gn gm みなさん LLMはインターネットの膨大な部分を消費してきました。しかし、テキストを理解することは、物理世界を理解することとは大きく異なります。 ロボットにはマップやドライブレコーダーの映像だけでは不十分です。歩道、階段、路地、建物、そして自律システムが実際に動作する環境を網羅する、詳細な地上レベルの空間データが必要です。 これが@vangrid_ioが解決しようとしている課題です。 Vangridは、現実世界の収集データを構造化された3D環境に変換する分散型空間データネットワークを構築しています。このアイデアは、空間データの提供者と、物理空間の正確な表現を必要とするAI開発者やロボティクスチームを結びつけることです。 この取り組みが注目される理由は、インセンティブ層の可能性にあります。貢献者は有用な空間データを提供でき、データ購入者は自身の特定のニーズに応じて収集を資金支援できます。検証と出所の確認も重要です。AIシステムには大量のデータセットだけでなく、信頼できるデータが必要だからです。 物理的AIが進化する中で、高品質な空間データは、LLMのトレーニングデータほど重要になる可能性があります。 それが、@vangrid_ioに注目すべき理由です。機会は単に更多のデータを収集することではなく、マシンが画面の向こう側の世界を理解するためのインフラを構築することです。 大きな問いは、Vangridが現実のAIアプリケーションが求めるカバー範囲、精度、スケールを実現できるかどうかです。