早上好。今天你出門時，每經過一棟建築，其內部資料都是機器人尚未擁有的。 物理 AI 面臨一個簡單的問題：我們用衛星繪製了外部世界，但對內部幾乎一無所知——一棟建築、一條小巷、一個房間。機器人需要這些細節來移動，而我們卻沒有。 Vangrid @vangrid_io 採取了實際的路徑。 大多數團隊試圖用昂貴的設備解決地圖問題：LiDAR 背包、攝影車、無法擴展的硬體。Vangrid 做了相反的事：沒有新增任何裝置，僅僅利用我們口袋裡的手機。真正的優勢不在於更好的硬體，而在於更廣泛的覆蓋。 我也喜歡他們的獎勵機制：AI 代理在 Base 或 Arc 上鎖定 USDC，為其所需的精確地點懸賞，附近的人拍攝該地點，隨後轉化為 3D 模型，並透過 Merkle 指紋在鏈上驗證，再透過 API 支付。只有在驗證後才支付款項，因此數據品質從根本上得到保障。 已獲得 HashKey 和 Animoca 的 900 萬美元投資，以及數千段經核證的影片。早期資金加上早期用戶增長。 對我而言，這才是真正有實際用途的 DePIN。機器人需要看見我們的世界內部，而這是最便宜的方式來提供給它們。 如果你的手機能透過拍攝你的城市賺錢，你會第一個拍哪裡？ #PhysicalAI #Vangrid #Base