Peta boleh menunjukkan di mana lokasi gudang, tetapi tidak selalu memberitahu truk sama ada pelabuhan memuatkan masih kosong hari ini. Kesenjangan antara mengetahui lokasi dan mengetahui keadaan semasa tempat itu merupakan cabaran sebenar untuk agen AI yang beroperasi di dunia fizikal. @vangrid_io menawarkan satu cara mungkin untuk mengisi kesenjangan ini. Peminta boleh membiayai penangkapan lokasi dengan USDC, memberikan sebab kepada penyumbang berdekatan untuk mengunjungi tapak dan merekodkannya menggunakan telefon. Menangkap kawasan yang sama dari sudut yang tumpang tindih boleh memberikan perisian rekonstruksi 3D lebih banyak maklumat untuk digunakan. Terdapat juga lapisan pertanggungjawaban terhadap data. Aliran kerja yang diterangkan oleh Vangrid mengaburkan muka dan plat nombor kereta pada peranti sebelum muat naik, sementara cap jari penangkapan boleh dikelompokkan ke dalam batch yang disahkan di Base. Peminta tetap mengulas penghantaran sebelum menerimanya. Bahagian yang saya anggap menarik ialah bagaimana ini boleh mengubah cara agen AI menangani maklumat yang hilang. Alih-alih bergantung pada peta usang atau membuat andaian tentang lokasi, agen yang terintegrasi akhirnya boleh meminta penangkapan baharu apabila data yang ada tidak mencukupi. Kemampuan ini bergantung pada pembinaan integrasi agen yang diperlukan, dan penangkapan yang direkodkan masih perlu berguna dan mewakili persekitaran sebenar. Tetapi arahannya menjanjikan: agen AI mungkin tidak perlu mengetahui segalanya terlebih dahulu jika mereka mempunyai cara yang boleh dipercayai untuk meminta maklumat yang mereka perlukan. Kadang-kadang, keputusan yang lebih baik bermula dengan mendapatkan pandangan baharu terhadap dunia sebenar.