GM CT خام ویڈیو اسٹریمز پر جسمانی AI ماڈلز کو تربیت دینا نامعلوم طور پر ناکارہ ہے کیونکہ مجاور فریمز میں 90 فیصد پکسلز زائد پس منظر کے شور ہوتے ہیں۔ بار بار ایک جیسی ساکت دیواروں کو فیڈ کرنا ماڈل کے کمپیوٹنگ کو ضائع کرتا ہے اور مکین کو فضائی فزکس کے بارے میں کچھ نیا نہیں سکھاتا۔ میں @vangrid_io کے طریقہ کار کو کلیدی فریم اینٹروپی کے انتخاب کے ذریعے ٹریک کرتا ہوں۔ ان کے انگیشٹن اسٹیک میں اعلیٰ معلومات والے ڈیلٹا فریمز کو فلٹر کیا جاتا ہے، جس سے ڈائنانمک حالت کے تبدیلیوں اور اہم نقطہ نظر کے تبدیلیوں کو الگ کرکے فضائی پائپ لائن تک پہنچایا جاتا ہے۔ فزیکل AI میں کارآمدی نوآوری کو ٹوکنائز کرنے پر مبنی ہے، نہ کہ تکراری پکسلز جمع کرنے پر۔