роботи вчаться рухатися, але хто навчає їх того, як виглядає справжній світ? саме цю прогалину я бачу, яку намагається заповнити @vangrid_io. вулиці, завантажувальні майданчики, коридори та всі інші випадкові місця, які традиційні картируючі флоти оновлюють набагато занадто повільно. замість того, щоб покладатися лише на контролювані середовища, Vangrid перетворює смартфони на вузли збору, де люди можуть виконувати конкретні локаційні завдання, фінансовані за допомогою USDC на Base. цікаво те, що збір даних — це не просто відеофайл, що лежить де-небудь. багатокутовий відеоматеріал може бути перетворений у 3D-геометрію, хмари точок, Gaussian splats або текстуровані GLB-моделі, причому походження даних підтверджується через хеші та EAS-атестації. Приватність також є частиною робочого процесу. Обличчя та державні номери розмиті безпосередньо на пристрої ще до того, як сирі відеодані покидають телефон. Поточний знімок мережі вже показує 1 024 912 зйомок, 423 143 активних нод, 3 823 EAS-атестовані дерева Меркла та близько $311K, виплачених у USDC. тож я постійно повертаюся до одного питання. якщо симуляційні дані навчають роботів, як рухатися, чи може просторова правда від Vangrid допомогти їм навчитися, куди рухатися у справжньому світі? @quipnetwork