Robot semakin baik dalam menjalankan tugas. Namun, mereka masih perlu memahami tempat-tempat di mana tugas-tugas tersebut berlaku. Bayangkan robot gudang. Ia boleh belajar bagaimana mengambil kotak. Tetapi ia juga perlu mengetahui di mana rak-rak berada, di mana kawasan memuatkan, dan apa yang telah berubah sejak peta terakhir. Di sinilah @vangrid_io masuk. Banyak data robotik dikumpulkan dalam persekitaran yang terkawal. Syarikat menggunakan kamera, peralatan, dan operator manusia untuk mengajar robot tugas-tugas tertentu. Bermanfaat, tetapi terhad. Ia tidak memberitahu robot seperti apa setiap gudang, jalan, atau bangunan hari ini. Vangrid mengambil pendekatan yang berbeza. Orang menggunakan telefon pintar untuk menangkap tempat-tempat sebenar. Tangkapan tersebut boleh diubah menjadi data 3D, termasuk awan titik dan Gaussian splats. Aliran asasnya adalah mudah: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻. Bahagian pengesahan juga penting. Vangrid menggunakan Base, EAS, dan pohon Merkle untuk mencipta rekod mengenai tangkapan dan sejarahnya. Jadi, sebenarnya ada dua masalah data yang berbeza: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: “Bagaimana saya melakukan tugas ini?” 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: “Bagaimana rupa tempat di sekeliling saya?” Robot memerlukan keduanya. Vangrid berfokus pada yang kedua.