Mas magaling ang mga robot sa paggawa ng mga gawain. Ngunit kailangan pa rin nilang maunawaan ang mga lugar kung saan nangyayari ang mga gawain na iyon. Isipin ang isang robot sa warehouse. Maaari itong matutunan kung paano kunin ang isang kahon. Ngunit kailangan din nito na malaman kung saan ang mga rack, kung saan ang area para sa pag-load, at ano ang nagbago mula sa nakaraang mapa. Dito pumapasok si @vangrid_io. Maraming robotics data ang nakalap sa kontroladong kapaligiran. Gumagamit ang mga kumpanya ng mga camera, rig, at mga operator upang turuan ang mga robot sa mga partikular na gawain. Makabuluhan, ngunit limitado. Hindi ito nagpapakita sa robot kung paano nakikita ang bawat warehouse, kalye, o gusali ngayon. Ang Vangrid ay gumagamit ng ibang pagkakataon. Gumagamit ang mga tao ng mga smartphone upang kuhain ang mga totoong lugar. Maaaring i-convert ang mga kuha na ito sa 3D data, kasama ang point clouds at Gaussian splats. Ang pangunahing proseso ay simpleng: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻. Mahalaga rin ang bahaging verification. Gumagamit ang Vangrid ng Base, EAS, at Merkle trees upang lumikha ng rekord tungkol sa kuha at kasaysayan nito. Kaya may dalawang iba’t ibang problema sa data: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: “Paano ko gagawin ito?” 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: “Ano ang hitsura ng paligid ko?” Kailangan ng mga robot ang parehong dalawa. Ang Vangrid ay nakatuon sa pangalawa.