ল্যাবের বাইরেই যে ডেটাসেট রয়েছে, সেটাই সম্ভবত সংগ্রহ করার জন্য সবচেয়ে কঠিন। ফিজিক্যাল AI-কে শুধুমাত্র সিমুলেটেড পরিবেশ নয়, বাস্তব পরিবেশগুলি বুঝতে হবে। কিন্তু প্রচলিত ম্যাপিংয়ের স্পষ্ট সীমাবদ্ধতা রয়েছে। স্যাটেলাইটগুলি ভবনের ভিতরে দেখতে পায় না। রোড-ম্যাপিং ফ্লিটগুলি গুদামের মধ্যে হাঁটে না। এবং টেক্সট ডেটাসেটগুলি একটি লোডিং ডকের জ্যামিতি সম্পর্কে প্রায় কিছুই বলে না। এই ফাঁকটিই @vangrid_io পূরণ করার চেষ্টা করছে। একটি ম্যাপিং ফ্লিটের জন্য অপেক্ষা করার পরিবর্তে, একজন অনুরোধকারী একটি নির্দিষ্ট সাইটকে কমিশন দিতে পারেন এবং ক্যাপচারের জন্য অর্থপ্রদান করতে পারেন। একজন অবদানকারী একটি স্মার্টফোন ব্যবহার করে পরিবেশটির রেকর্ডিং করে। গোপনীয়তা এজ-এর মধ্যেই পরিচালিত হয়, যখন ক্যাপচারের উৎসগতি ক্রিপ্টোগ্রাফিক প্রমাণ এবং Base-ভিত্তিক attestation-এর মাধ্যমে রেকর্ড করা হয়। আমি মনে করি, এটিই মডেলটির আরও আকর্ষণীয় অংশ। নেটওয়ার্কটি শুধুমাত্র ক্লিপগুলি সংগ্রহ করছে না। এটি একটি নির্দিষ্ট স্থানের জন্যবাস্তব-বিশ্বস্থানীয় ডেটা request, verify, and settle-এরএকটি উপায় তৈরি করছে। ফিজিক্যাল AI-এরজন্য,এটিএকটিঅত্যন্তভিন্নপ্রকারেরডেটাrailহতেপারে।