我瀏覽了 @vangrid_io 上的賞金 #1141,其中有一點讓我印象深刻。 買家清楚知道自己需要什麼——不是整棟建築,也不是隨機的影片,而是一個具備所有必要細節、能被數位重現的特定工作環境。 讓我為你拆解這背後的運作方式及其重要性。 賞金 #1141 是什麼? 此需求是針對位於渥太華的一家獨立汽車維修店,面積約 200 平方公尺。 買家希望貢獻者拍攝以下內容: 1. 配備兩座車輛舉升機的維修區。 2. 有污漬的混凝土地板與排水點。 3. 工具櫃與工作檯。 4. 輪胎架與零件置物架。 5. 卷簾門。 6. 沿牆放置的設備及其他雜物。 等候區與辦公室不包含在內。 建議拍攝時間為營業結束後,且舉升機上無車輛。 獎勵為 1,200 美元 USDC(基於 Base 區塊鏈),已存入第三方託管。此賞金仍開放中。 vangrid 如何實現這一點? 這正是 @vangrid_io 的作用所在。 vangrid 連接了能拍攝現實環境的人與需要此類數據的企業或個人。 流程非常簡單: 1. 買家提出需求 買家說明所需內容、指定地點、提供拍攝要求,並設定獎勵金額。 2. 資金得到保障 買家將 USDC 存入 Base 上的第三方託管帳戶。 這意味著貢獻者可在開始工作前確認獎勵已到位。 3. 某人拍攝所需環境 一位能進入該地點的貢獻者使用智慧型手機拍攝指定區域。 對於賞金 #1141,這意味著拍攝車間、設備、地板細節及其他要求的物件。 4. 提交影片 貢獻者上傳影片並附上簡短說明解釋提交內容。 買家隨後審核所有可用的拍攝內容,以判斷哪一項符合要求。 5. 買家收到成果 一旦提交被接受,買家將收到所需的紋理化 3D 模型,貢獻者則在扣除平台手續費後獲得付款。 若截止日期過後仍未有符合要求的提交被接受,資金將根據賞金條款退回。 為何一個 200 平方公尺的車間如此重要? 這一點我覺得非常有趣。 想像一下,你正在開發一款需在汽車維修店內運作的機器人。 它不能僅僅「知道」自己身處一棟建築中。 它必須能辨識出維修區、車輛舉升機、工具、置物架、地板排水口及其他環境中的物件。 這些細節有助於建立更精準、更具實用性的物理空間數位模型。 這正是物理 AI 與機器人所需的真實世界空間數據。 vangrid 讓擁有智慧型手機的普通人也能參與此過程,而不必完全依賴昂貴的專用掃描設備。 我喜歡這個模式的原因 有趣之處在於,vangrid 不讓貢獻者猜測買家的需求。 買家明確定義需求,獎勵金額公開可見,提交內容也依據原始需求進行審核。 貢獻者無需支付任何費用即可提交拍攝內容;買家提供資金,付款則取決於是否被接受。 此外,代理方在需要新鮮真實世界數據時,也可創建類似的拍攝請求。 因此,這個平台服務兩方: 需要空間數據的買家,以及能收集數據的貢獻者。 你如何參與? 如果你身處賞金板上所要求的地點,請查看需求,判斷自己能否完成拍攝。 你不需要懂機器人技術,也能看到其中的機會。 你只需要理解需求、正確拍攝,並遵守提交規範即可。 了解更多: 賞金 #1141:https://t.co/ZH8jjDKLr7 vangrid 正將日常環境轉化為有價值的空間數據。


