機器人正在學習如何移動，但誰在教它們真實世界實際長什麼樣子？ 這正是我看見 @vangrid_io 正在解決的缺口。 街道、裝貨區、走廊，以及傳統地圖測量隊伍幾乎無法及時更新的所有隨機場所。 與僅依賴受控環境不同，Vangrid 將智慧型手機轉變為捕捉節點，讓人們可以完成由 Base 上的 USDC 資助的特定地點賞金任務。 有趣的是，這些捕捉資料不只是存放在某處的影片檔案。 多角度影片可轉換為 3D 幾何、點雲、Gaussian splats 或紋理化的 GLB 模型，並透過雜湊值和 EAS 證實來追蹤來源。 隱私也是工作流程的一部分。在原始影片離開手機之前，臉部和車牌號碼會在裝置上進行模糊處理。 目前網路快照已顯示 1,024,912 次捕捉、423,143 個活躍節點、3,823 個經 EAS 證實的 Merkle 樹，以及約 $311K 已結算的 USDC。 因此，我不斷回到一個問題： 如果模擬資料教會機器人如何移動，那麼 Vangrid 的空間真實資料能否幫助它們學習在真實世界中該往哪裡移動？ @quipnetwork