今日のほとんどのAIは、デジタル世界を理解することを目的として構築されています。 しかし、Physical AIには別の課題があります。 ロボットは数十億のパラメーターを処理できるにもかかわらず、人間が自然にできること——現在の周囲の環境を理解すること——に依然として苦戦しています。 道路は変化します。 建物は変化します。 障害物が現れます。 空間は、前回マッピングされたときとまったく異なるように見えることがあります。 これが、@vangrid_ioに興味を抱く理由です。 Vangridは、スマートフォンを分散型エッジノードに変えて、現実世界の環境を収集し、それらの観測結果を有用な空間的インテリジェンスに変換することで、Physical AIのための空間データレイヤーを構築しています。 興味深いのは、単に更多のデータを収集することではありません。 プライバシーを保ちながらデータを収集し、3D再構築、プロヴェナンス、検証、複数ノードによる裏付けを通じて、そのデータをより有用にする点です。 つまり、目標は世界の別のマップを作成することではなく、機械が実際に使用できる、継続的に更新され検証可能な現実の基盤レイヤーを構築することです。 AIがスクリーンから物理的世界へと移行するなら、信頼できる空間データは、それを解釈するモデルと同じくらい重要になるでしょう。