Ang pinakamahirap na dataset na kukunin ay maaaring ang nasa labas ng laboratorio. Kailangan ng Physical AI na maunawaan ang tunay na mga kapaligiran, hindi lamang ang mga sinimulang kapaligiran. Ngunit may mga obvious na limitasyon ang tradisyonal na pagmamapa. Hindi makakakita ang mga satellite sa loob ng mga gusali. Hindi naglalakad ang mga barko ng pagmamapa sa mga warehouse. At ang mga text dataset ay hindi nagbibigay ng malaking impormasyon tungkol sa heometriya ng loading dock. Ito ang puwang na sinusubukang punuan ni @vangrid_io. Hindi naghihintay ng isang barko ng pagmamapa, maaaring kumisina ng isang partikular na lugar at pambayad ang pagkuha. Gumagamit ang isang kontribyutor ng smartphone upang i-record ang kapaligiran. Ang privacy ay kinokontrol sa edge, habang ang provenance ng pagkuha ay nare-rekord sa pamamagitan ng cryptographic proofs at Base-based attestations. Sa tingin ko, iyon ang mas interesanteng bahagi ng modelo. Hindi lamang nagkukolekta ang network ng clips. Ito ay naglilikha ng paraan upang kumisina, i-verify at i-settle ang spatial data sa totoong mundo para sa isang partikular na lugar. Para sa Physical AI, maaaring maging iba’t ibang uri ng data rail ito.