gn gm, всем LLM потребили огромную часть интернета. Но понимание текста сильно отличается от понимания физического мира. Роботам нужно больше, чем карты и записи с камер наблюдения. Им нужны детальные, наземные пространственные данные, охватывающие тротуары, лестницы, переулки, здания и среды, где реально работают автономные системы. Эту проблему пытается решить @vangrid_io. Vangrid создает децентрализованную сеть пространственных данных, которая превращает реальные захваты в структурированные 3D-среды. Идея заключается в соединении участников, предоставляющих данные, с разработчиками ИИ и робототехническими командами, которым нужны точные представления физических пространств. Что делает это интересным — потенциальный уровень стимулов: участники могут предоставлять полезные пространственные данные, а покупатели данных могут финансировать сбор информации в соответствии со своими конкретными потребностями. Важны также верификация и прослеживаемость, потому что системы ИИ нуждаются не только в больших наборах данных, но и в данных, которым можно доверять. По мере развития физического ИИ высококачественные пространственные данные могут стать столь же важными, как обучающие данные для LLM. Вот почему @vangrid_io стоит наблюдать. Возможность заключается не только в сборе большего объема данных, а в создании инфраструктуры, которая поможет машинам понимать мир за пределами экрана. Главный вопрос — сможет ли Vangrid обеспечить покрытие, точность и масштаб, необходимые для реальных приложений ИИ.