Los robots están mejorando en la realización de tareas. Pero aún necesitan comprender los lugares donde ocurren esas tareas. Piensa en un robot de almacén. Puede aprender a recoger una caja, pero también necesita saber dónde están los estantes, dónde está el área de carga y qué ha cambiado desde el último mapa. Aquí es donde entra @vangrid_io. Muchos datos de robótica se recopilan en entornos controlados. Las empresas usan cámaras, equipos y operadores humanos para enseñar a los robots tareas específicas. Útil, pero limitado. No le dice al robot cómo se ven hoy todos los almacenes, calles o edificios. Vangrid adopta un enfoque diferente. Las personas usan smartphones para capturar lugares reales. Esas capturas pueden convertirse en datos 3D, incluyendo nubes de puntos y Gaussian splats. El flujo básico es sencillo: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝗰𝗶ó𝗻. La parte de verificación también es importante. Vangrid utiliza Base, EAS y árboles Merkle para crear un registro de la captura y su historial. Por lo tanto, hay realmente dos problemas de datos diferentes: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: “¿Cómo hago esta tarea?” 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: “¿Cómo se ve el entorno que me rodea?” Los robots necesitan ambos. Vangrid se enfoca en el segundo.