Роботы становятся лучше в выполнении задач. Но им всё ещё нужно понимать места, где эти задачи происходят. Подумайте о роботе на складе. Он может научиться поднимать коробку, но ему также нужно знать, где находятся полки, зона погрузки и что изменилось с момента последней карты. Вот здесь на помощь приходит @vangrid_io. Большая часть данных для робототехники собирается в контролируемых условиях. Компании используют камеры, установки и человеческих операторов, чтобы обучить роботов конкретным задачам. Полезно, но ограниченно. Это не показывает роботу, как выглядят сегодня каждый склад, улица или здание. Vangrid использует другой подход. Люди с помощью смартфонов снимают реальные места. Эти данные затем можно преобразовать в 3D-данные, включая облака точек и гауссовы сплайты. Основной процесс прост: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻. Этап верификации также важен. Vangrid использует Base, EAS и деревья Меркла для создания записи о захвате и его истории. Таким образом, существует две разные проблемы с данными: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: «Как мне выполнить эту задачу?» 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: «Как выглядит окружающее меня пространство?» Роботам нужны оба типа данных. Vangrid сосредоточен на втором.