gm fam Alors que les robots humanoïdes continuent leur parcours d’amélioration, les enseigner le monde est une toute nouvelle entreprise. Un modèle peut apprendre beaucoup à partir des routes et des données sur Internet, mais il a toujours besoin d’informations fraîches provenant des entrepôts, des quais, des zones de chargement, des magasins et des rues. C’est ce qui me motive à propos de l’idée de @vangrid_io. Un téléphone ordinaire peut capturer ces lieux, avec des données qui reçoivent une empreinte de contenu associée à l’heure et à l’emplacement, regroupées et attestées sur Base via EAS. Cela confère aux vidéos une bien meilleure valeur qu’être enfermées sur un tableau de bord privé. Quelqu’un peut vérifier que la capture appartient bien au registre publié, plutôt que de devoir faire confiance à la personne qui l’a téléchargée. Et un marché relie cela à la demande réelle. Des récompenses peuvent demander certains lieux spécifiques, les contributeurs peuvent les collecter, et des USDC sont libérés une fois que le demandeur accepte le résultat. Les missions montrent à quel point cela peut être précis : cabines de peinture, sections de quais, coins de marché, poteaux signalétiques, panneaux tactiles. Je pense qu’il est important que ce ne soit pas seulement une question de collecter davantage de vidéos. Créer des données de niveau sol auxquelles les équipes de robotique peuvent faire confiance et sur lesquelles elles peuvent compter est un énorme avantage. L’IA physique a besoin de plus d’yeux sur le monde réel. Vangrid tente de transformer les téléphones quotidiens en ces yeux. #Vangrid #PhysicalAI #airdrop