衛星捕捉屋頂，街景車繪製高速公路，那狹窄的街道呢？ 它們都無法看到倉庫通道、公寓樓梯間、裝貨區或擁擠的市場街道。 機器人與實體 AI 需要真實的地面真實數據，這些數據來自生活實際發生的地方。 這正是 @vangrid_io 正在解決的盲點，因此我始終對這個項目充滿好奇，持續探索更多。 與昂貴的車隊不同，Vangrid 將日常手機影片轉化為經過驗證且經過隱私過濾的 3D 空間模型。日常貢獻者繪製他們的周圍環境，而網絡直接獎勵他們。 飛輪運作方式： ➔ 日常用戶錄製影片 ➔ 隱私過濾器移除個人資料 ➔ 重建 3D 空間模型 ➔ 鏈上驗證確認位置證明 ➔ 貢獻者獲得 USDC 支付 ➔ 實體 AI 與機器人團隊使用地面真實數據進行訓練 ➔ 循環重複 規模化影響： - 超過 1.25M 個手機拍攝片段轉化為 3D 模型 - 超過 450K 名活躍貢獻者 - 超過 4.7K 次鏈上證明 - 已分發超過 $600K USDC 實體 AI 不可能僅依賴 2D 平面地圖，它需要深度、幾何結構與真實的地面數據。在這方面，Vangrid 真正改變了遊戲規則。 @vangrid_io