Robot semakin baik dalam melakukan tugas-tugas. Namun, mereka masih perlu memahami tempat-tempat di mana tugas-tugas tersebut terjadi. Pikirkan tentang robot gudang. Robot bisa belajar cara mengambil kotak. Tetapi ia juga perlu tahu di mana rak-rak berada, di mana area pemuatan, dan apa yang telah berubah sejak peta terakhir. Di sinilah @vangrid_io masuk. Banyak data robotika dikumpulkan di lingkungan terkendali. Perusahaan menggunakan kamera, peralatan, dan operator manusia untuk mengajari robot tugas-tugas tertentu. Berguna, tetapi terbatas. Ini tidak memberi tahu robot seperti apa setiap gudang, jalan, atau bangunan saat ini. Vangrid mengambil pendekatan berbeda. Orang-orang menggunakan smartphone untuk merekam tempat-tempat nyata. Rekaman tersebut kemudian dapat diubah menjadi data 3D, termasuk point cloud dan Gaussian splats. Alur dasarnya sederhana: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻. Bagian verifikasi juga penting. Vangrid menggunakan Base, EAS, dan Merkle trees untuk membuat catatan tentang rekaman dan riwayatnya. Jadi sebenarnya ada dua masalah data yang berbeda: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: “Bagaimana cara saya melakukan tugas ini?” 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: “Seperti apa tempat di sekitar saya?” Robot membutuhkan keduanya. Vangrid berfokus pada yang kedua.