Robôs estão ficando melhores em realizar tarefas. Mas ainda precisam entender os locais onde essas tarefas ocorrem. Pense em um robô de armazém. Ele pode aprender a pegar uma caixa. Mas também precisa saber onde estão as prateleiras, onde fica a área de carregamento e o que mudou desde o último mapa. É aí que entra o @vangrid_io. Muitos dados de robótica são coletados em ambientes controlados. Empresas usam câmeras, equipamentos e operadores humanos para ensinar robôs tarefas específicas. Útil, mas limitado. Isso não diz ao robô como cada armazém, rua ou edifício parece hoje. A Vangrid adota uma abordagem diferente. Pessoas usam smartphones para capturar locais reais. Essas capturas podem ser transformadas em dados 3D, incluindo nuvens de pontos e Gaussian splats. O fluxo básico é simples: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻. A parte de verificação também é importante. A Vangrid usa Base, EAS e árvores Merkle para criar um registro da captura e sua história. Portanto, existem realmente dois problemas diferentes de dados: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: “Como faço essa tarefa?” 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: “Como é o ambiente ao meu redor?” Robôs precisam de ambos. A Vangrid está focada no segundo.