robotlar nasıl hareket edeceğini öğreniyor, ama gerçek dünyanın nasıl göründüğünü kim öğretiyor onlara? bu, @vangrid_io'nun hedeflediği boşluk. geleneksel haritalama filolarının neredeyse yeterince hızlı güncelleyemediği sokaklar, yüklenme alanları, koridorlar ve diğer rastgele yerler. yalnızca kontrollü ortamlara güvenmek yerine, Vangrid, akıllı telefonları Base üzerinde USDC ile finanse edilen belirli konum ödüllerini tamamlayan kapma node'lara dönüştürüyor. ve ilginç olan, kapmanın sadece bir yerde duran bir video dosyası olmaması. çok açılı görüntüler, 3D geometriye, nokta bulutlarına, Gaussian splatlara veya dokulu GLB modellere dönüştürülebilir ve kökenleri karmaşalar ve EAS onaylarıyla takip edilebilir. Gizlilik de iş akışının bir parçası. Yüzler ve plakalar, ham görüntü telefonu terk etmeden önce cihazda bulanıklaştırılır. Mevcut ağ anlık görüntüsü, 1.024.912 kapma, 423.143 aktif node, 3.823 EAS onaylı Merkle ağaçları ve yaklaşık 311.000 USD değerinde USDC ödenmiş olarak gösteriyor. Bu yüzden sürekli bir soruya geri dönüyorum. Simülasyon verileri robotlara nasıl hareket edeceğini öğretiyorsa, Vangrid’in mekansal gerçeklik verisi, robotlara gerçek dünyada nereye hareket edeceğini öğretmeyi sağlayabilir mi? @quipnetwork