रोबोट कार्य करने में बेहतर हो रहे हैं। लेकिन वे अभी भी उन कार्यों के होने वाले स्थानों को समझने की आवश्यकता रखते हैं। एक गोदाम रोबोट के बारे में सोचिए। यह एक बॉक्स उठाने का तरीका सीख सकता है। लेकिन इसे यह भी पता होना चाहिए कि शेल्फ़ कहाँ हैं, लोडिंग क्षेत्र कहाँ है, और पिछले मैप के बाद क्या बदल गया है। यहीं पर @vangrid_io का आना है। अधिकांश रोबोटिक्स डेटा नियंत्रित परिवेशों में इकट्ठा किया जाता है। कंपनियाँ कैमरों, रिग्स और मानव संचालकों का उपयोग करके रोबोट्स को विशिष्ट कार्य सिखाती हैं। उपयोगी, लेकिन सीमित। यह रोबोट को यह नहीं बताता कि आज हर गोदाम, सड़क या इमारत कैसी दिखती है। वैंग्रिड एक अलग दृष्टिकोण अपनाता है। लोग स्मार्टफ़ोन का उपयोग करके वास्तविक स्थानों को कैप्चर करते हैं। इन कैप्चर्स को 3D डेटा में, जिसमें पॉइंट क्लाउड्स और गॉसियन स्प्लैट्स शामिल हैं, में बदला जा सकता है। मूल प्रवाह सरल है: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻। वेरिफिकेशन का हिस्सा भी महत्वपूर्ण है। वैंग्रिड Base, EAS और Merkle पेड़ का उपयोग करके कैप्चर और उसके इतिहास के आसपास एक रिकॉर्ड बनाता है। इसलिए वास्तव में दो अलग-अलग डेटा समस्याएँ हैं: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: “मुझे इस कार्य को कैसे करना है?” 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: “मेरे आसपास का स्थान कैसा दिखता है?” रोबोट्स को दोनों की आवश्यकता है। वैंग्रिड दूसरे पर केंद्रित है।