پژوهشگران کُدک ویدئویی‌ای پیشنهاد کرده‌اند که با استفاده از وضعیت مفصل‌های ربات، مدل آن و کالیبراسیون دوربین، پیش‌بینی می‌کند حرکت ربات چه تغییری در نمای دوربین ایجاد می‌کند. این سیگنال حرکتیِ مشترک به بیت‌های ویدئو اضافه نمی‌کند و به کُدک کمک می‌کند ویدئوی کمتری را از طریق ارتباطی با پهنای‌باند محدود بفرستد.
پژوهشگران در آزمایش‌های LIBERO گزارش داده‌اند که موفقیت OpenVLA-OFT در انجام وظایف، در نرخ 6 kbps و در مقایسه با کُدکی که به تاریخچه وابسته است، از 22.8% به 43.1% افزایش یافته است. این پژوهش هنوز پیش‌چاپ است؛ نویسندگان می‌گویند کد و مطالب تکمیلی پس از انتشار رسمی در دسترس قرار می‌گیرند.
چرا مهم است
برای گروه‌هایی که سیاست‌های رباتیک را روی سرورهای دوردست اجرا می‌کنند، نتایج گزارش‌شده نشان می‌دهد فشرده‌سازی ویدئوی آگاه از حرکت می‌تواند هنگام محدود بودن پهنای‌باند آپلود دوربین، موفقیت در انجام وظایف را افزایش دهد؛ اما عملکرد این روش در دنیای واقعی هنوز باید ارزیابی شود.
