Robot sedang belajar bagaimana bergerak, tetapi siapa yang mengajar mereka bagaimana dunia nyata sebenarnya kelihatan? Itulah jurang yang saya lihat @vangrid_io cuba kejar. Jalan raya, kawasan memuatkan, koridor, dan semua tempat rawak yang armada pemetaan tradisional tidak memperbaharui dengan cukup pantas. Alih-alih bergantung hanya pada persekitaran terkawal, Vangrid menjadikan telefon pintar sebagai nod penangkapan di mana orang boleh menyelesaikan tugas lokasi tertentu yang dibiayai dengan USDC di Base. Dan bahagian yang menarik ialah penangkapan bukan sekadar fail video yang tersimpan di suatu tempat. Rakaman pelbagai sudut boleh diubah menjadi geometri 3D, awan titik, Gaussian splats, atau model GLB bertekstur, dengan asal-usul yang dikaitkan melalui hash dan sertifikasi EAS. Privasi juga sebahagian daripada alur kerja. Muka dan nombor plat kereta kaburkan di peranti sebelum rakaman mentah meninggalkan telefon. Gambaran semasa rangkaian sudah menunjukkan 1,024,912 penangkapan, 423,143 nod aktif, 3,823 pokok Merkle bersertifikat EAS, dan sekitar $311K telah diselesaikan dalam USDC. Jadi, saya terus kembali kepada satu soalan. Jika data simulasi mengajar robot bagaimana bergerak, adakah realiti ruang Vangrid boleh membantu mengajar mereka di mana harus bergerak di dunia nyata? @quipnetwork