حقیقی دنیا کے ڈیٹا کو جمع کرنا ایک چیلنج ہے، جبکہ یہ یقینی بنانا کہ کوئی اس ڈیٹا کی ضرورت رکھتا ہے، دوسرا ہے۔ اسی لیے @vangrid_io کا طریقہ دلچسپ ہے۔ وہ پہلے ایک بڑا ڈیٹا سیٹ تیار نہیں کرتے اور پھر بعد میں خریداروں کی تلاش کرتے، بلکہ vangrid خریداروں کو ایک خاص مقام کو تعریف کرنے، USDC میں بونٹی فنڈ کرنے اور اسے قبول ہونے پر اس کی تصویر کھینچنے کے لیے ادائیگی کرنے کی اجازت دیتا ہے۔ یہ ورک فلو تین اجزاء کو جوڑتا ہے: خریدار وہ معلومات متعین کرتے ہیں جن کی انہیں ضرورت ہے۔ کنٹریبیوٹرز نکل کر اصل ماحول کو کیپچر کرتے ہیں۔ نیٹ ورک اس کنٹریبیوشن کو ایک ایسی ڈلیوری میں تبدیل کرتا ہے جسے 3D ماڈل کے طور پر دوبارہ تشکیل دیا جا سکتا ہے۔ اس "مطلب پہلے" کے طریقہ کار سے فزیکل AI کے لیے فرق آ سکتا ہے، جہاں ایک عام نقشہ ہمیشہ کافی نہیں ہوتا اور کسی خاص جگہ کے بالکل درست تفصیلات اہم ہوتے ہیں۔ لیکن اصل ٹیسٹ بونٹیز کو فنڈڈ ہونے تک محدود نہیں ہے۔ کya نیٹ ورک مستقل طور پر درست مقام کو کیپچر کر سکتا ہے، کافی معیار پر پہنچ سکتا ہے، اور ایسے نتائج پیدا کر سکتا ہے جن کے لیے ادائیگی کرنے کے قابل ہو؟ ایک کامیاب بونٹی ظاہر کرتی ہے کہ یہ ورک فلو کام کر سکتا ہے۔ دوبارہ خریداروں سے ثابت ہوگا کہ یہ اس مسئلے کا حل ہے جس کی لوگ واقعی @quipnetwork