ロボットは動き方を学習していますが、現実の世界が実際にどのように見えるのかを誰が教えているのでしょうか？ それが私が@vangrid_ioが取り組んでいる課題だと感じています。 通り、荷物積み降ろし場、廊下、そして従来のマッピングフリートが十分な速さで更新できないあらゆるランダムな場所。 制御された環境にのみ依存するのではなく、Vangridはスマートフォンをキャプチャーノードに変えて、Base上のUSDCで資金提供される特定のロケーションバウンティをユーザーが完了できるようにしています。 興味深いのは、キャプチャーデータがただどこかに保存された動画ファイルであるだけではない点です。 複数の角度から撮影された映像は、3Dジオメトリ、ポイントクラウド、ガウシアンスプラット、テクスチャ付きGLBモデルに変換され、ハッシュとEASアテスタションを通じてプロベナンスが追跡されます。 プライバシーもワークフローの一部です。顔や車両番号は、生の映像がスマートフォンから送信される前にデバイス上でぼかされます。 現在のネットワークのスナップショットには、すでに1,024,912件のキャプチャ、423,143台のアクティブノード、3,823個のEAS認証されたマーチルツリー、そして約311,000ドルのUSDCが決済されています。 だから私はいつも一つの質問に戻ります。 シミュレーションデータがロボットに動き方を教えるなら、Vangridの空間的なグランドトゥルースは、ロボットに現実世界でどこに動くべきかを教えるのに役立つでしょうか？ @quipnetwork