Các robot đang ngày càng trở nên giỏi hơn trong việc thực hiện các nhiệm vụ. Nhưng chúng vẫn cần hiểu được những nơi diễn ra các nhiệm vụ đó. Hãy nghĩ về một robot kho hàng. Nó có thể học cách nhấc một chiếc hộp. Nhưng nó cũng cần biết vị trí các kệ hàng, khu vực xếp dỡ, và những gì đã thay đổi kể từ bản đồ trước đó. Đó là lúc @vangrid_io xuất hiện. Rất nhiều dữ liệu robot được thu thập trong môi trường kiểm soát. Các công ty sử dụng camera, thiết bị cố định và nhân viên để dạy robot thực hiện các nhiệm vụ cụ thể. Hữu ích, nhưng có hạn chế. Nó không cho robot biết hiện tại kho hàng, con phố hay tòa nhà nào trông như thế nào. Vangrid tiếp cận theo một cách khác. Con người sử dụng điện thoại thông minh để ghi lại các địa điểm thực tế. Những dữ liệu này sau đó có thể được chuyển đổi thành dữ liệu 3D, bao gồm điểm đám mây và Gaussian splats. Quy trình cơ bản rất đơn giản: 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻. Phần xác minh cũng rất quan trọng. Vangrid sử dụng Base, EAS và Merkle trees để tạo bản ghi về việc ghi lại và lịch sử của nó. Vì vậy, thực chất có hai vấn đề dữ liệu khác nhau: 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮: “Làm thế nào để tôi thực hiện nhiệm vụ này?” 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮: “Khu vực xung quanh tôi trông như thế nào?” Robot cần cả hai. Vangrid tập trung vào vấn đề thứ hai.