機器人正在變得更擅長執行任務。 但它們仍需理解這些任務發生的環境。 以倉庫機器人為例： 它可以學習如何拿起一個箱子，但也需要知道貨架的位置、裝貨區的位置，以及自上次地圖更新後有哪些變化。 這正是 @vangrid_io 的用武之地。 許多機器人數據是在受控環境中收集的。公司使用相機、支架和人工操作員來教導機器人執行特定任務。 這很有用，但有局限性。 它無法告訴機器人當前每一個倉庫、街道或建築物的樣子。 Vangrid 採取了不同的方法： 人們使用智慧型手機捕捉真實場景，這些捕捉資料可轉換為 3D 數據，包括點雲和高斯濺射。 基本流程非常簡單： 𝗣𝗵𝗼𝗻𝗲 → 𝗰𝗮𝗽𝘁𝘂𝗿𝗲 → 𝟯𝗗 𝗿𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 → 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻。 驗證環節同樣重要。 Vangrid 使用 Base、EAS 和 Merkle 樹，為捕捉資料及其歷史建立記錄。 因此，實際上存在兩個不同的數據問題： 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 𝗱𝗮𝘁𝗮： 「我該如何執行這個任務？」 𝗦𝗽𝗮𝘁𝗶𝗮𝗹 𝗱𝗮𝘁𝗮： 「我周圍的環境長什麼樣子？」 機器人需要這兩者。 Vangrid 專注於第二個問題。