Одна из вещей о Physical AI, которую часто упускают из виду — это источник обучающих данных. Модель может обрабатывать миллионы цифровых записей, но понимание реальной улицы, здания или объекта требует информации о физической среде. Вот здесь @vangrid_io выбирает другой подход. Вместо того чтобы считать сбор пространственных данных задачей, предназначенной исключительно для специализированных команд, Vangrid позволяет участникам использовать смартфоны для захвата реальных локаций и превращения этого видео в 3D-реконструкции. Интересно, как эти элементы соединяются: ➜ Реальная локация имеет ценность данных ➜ Участники используют свои телефоны для её захвата ➜ Видео реконструируется в пространственные представления ➜ Покупатели могут проверить результат перед принятием ➜ Аттестации на блокчейне обеспечивают проверяемые записи о деятельности сети Также существует аспект конфиденциальности. Vangrid описала функцию размытия лиц и номерных знаков непосредственно на устройстве — важный шаг при сборе видео из публичных сред. Сообщается, что активность сети превысила 1,25 млн захватов, 450 тыс. пользователей, 4 700 аттестаций и $600 тыс. в освоенных USDC. Однако размер сети сам по себе не гарантирует полезные обучающие данные. Точность, охват, конфиденциальность и реальный спрос будут иметь не меньшее значение. То, что делает эту модель достойной внимания, — это возможность создания общего источника пространственных данных вместо того, чтобы каждый раз разработчику ИИ приходилось собирать всё с нуля. В цифровом мире информации предостаточно. Теперь задача — помочь ИИ понять физический мир. Эту проблему пытается решить @vangrid_io.