gm fam Пока человеческие роботы продолжают свой путь совершенствования, обучение их пониманию мира — это совершенно новая задача. Модель может многое узнать из данных о дорогах и информации в интернете, но ей всё ещё нужны свежие данные с складов, причалов, зон погрузки, магазинов и улиц. Вот что делает меня вдохновлённым идеей @vangrid_io. Обычный телефон может захватывать эти локации, при этом данные получают контент-отпечаток, а также группируются и аттестуются на Base через EAS с привязкой ко времени и местоположению. Это придаёт видеозаписям гораздо большую ценность, чем просто хранение их на закрытой панели управления. Кто-то может проверить, что запись действительно соответствует опубликованному отчёту, а не просто доверять человеку, который её загрузил. А рынок связывает это с реальным спросом. Бонусы могут запрашивать определённые локации, участники собирают их, а USDC выпускается после подтверждения результата заказчиком. Задачи демонстрируют, насколько конкретными они могут быть: покрасочные камеры, участки причалов, углы рынков, светофорные опоры, тактильные панели. Я считаю важным, что речь идёт не просто о сборе большего количества видео. Создание надёжных и проверяемых данных низкого уровня, на которые могут полагаться команды робототехники — это огромное преимущество. Физическому ИИ нужно больше глаз, наблюдающих за реальным миром. Vangrid пытается превратить повседневные телефоны в эти глаза. #Vangrid #PhysicalAI #airdrop