おはよう、ファミリー ☕ 次のAIのボトルネックは知性ではなく、物理世界へのアクセスかもしれない。 言語モデルは急速に進化したが、ロボットは別の課題に直面している——歩道、階段、狭い通路、建物の入口、リアルな空間の幾何学的理解だ。 @vangrid_io が私の注目を引いた。 ロボットを訓練するには、正確な空間情報が必要だ。推論だけでなく、インターネットの画像やシミュレーションだけでは限界がある。新鮮なリアルワールドのデータが重要だ。 vangrid は、スマートフォンを分散型ネットワークに変えて、高額なマッピング車両に頼らず、オンチェーンでプロベナンスを記録しながら、人々を協調させ、特定の場所をリアルタイムで収集する。 これが重要な理由は3つある：スマートフォンによる収集は広範なカバレッジを可能にし、オンチェーンの検証によりデータの出所が確認可能になり、需要に基づく収集は開発者が実際に必要とするものに集中する。 データ量が増えただけでは不十分だ。精度、プライバシー、品質、そしてリアルロボティクスの需要が、この取り組みの有用性を決定する。 物理AIにはハードウェア以上が必要だ。知性と物理的現実を結びつける信頼できるデータレイヤーが必要だ。 vangrid がこれをどのようにリアルな空間インフラへと変えていくか、注目している。