Роботи все краще виконують завдання. Але їм все ще потрібно розуміти місця, де ці завдання відбуваються. Уявіть собі робота на складі. Він може навчитися піднімати коробку. Але йому також потрібно знати, де розташовані полиці, де знаходиться зона завантаження, і що змінилося з моменту останньої карти. Саме тут на допомогу приходить @vangrid_io. Багато даних для робототехніки збираються в контролюваних середовищах. Компанії використовують камери, установки та людей для навчання роботів виконувати конкретні завдання. Корисно, але обмежено. Це не показує роботу, як виглядає кожен склад, вулиця чи будівля сьогодні. Vangrid застосовує інший підхід. Люди за допомогою смартфонів зберігають реальні місця. Ці зйомки можна перетворити на 3D-дані, включаючи хмари точок та гауссові сплайти. Основний процес простий: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻. Верифікація теж важлива. Vangrid використовує Base, EAS та дерева Меркла, щоб створити запис про зйомку та її історію. Отже, існує два різні типи проблем із даними: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: «Як виконати це завдання?» 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: «Як виглядає оточуюче мене місце?» Роботам потрібні обидва. Vangrid зосереджений саме на другому.