Vangrid 想让 AI 看懂物理世界，靠普通人手机拍街景

开发者们早上好 ⚡️✨

AI 能理解文字。但它能理解自己本该在其中运行的那个世界吗？想象一个机器人进入仓库、在拥挤的街道上穿行、识别建筑物入口，或在陌生环境中移动。在它能有效完成这些任务之前，它需要一样关键的东西：关于物理世界的准确信息。这正是 @vangrid_io 正在着手解决的问题。

🧠 @vangrid_io 是什么？

@vangrid_io 正在构建一个去中心化空间数据网络，旨在让 Physical AI 更好地理解真实世界环境。传统 AI 从数字信息中学习，而机器人和自主系统还需要物理空间的详细、地面级表征。问题在于，收集这类信息可能成本高昂、耗时费力，且难以规模化。

Vangrid 采取了不同的方法：把日常智能手机变成收集空间数据的工具。人们捕捉真实环境，这些录制内容被重建为 3D 模型，组织可以委托采集它们所需的特定地点和信息。更宏大的愿景是构建一个分布式空间智能层，将人类贡献与日益增长的真实世界数据需求连接起来。

🌍 它是如何运作的？

该系统汇集了三类重要参与者。

1. 人类贡献者

人们用智能手机录制物理环境，从建筑物、仓库到装卸区、走道和其他地点。Vangrid 不要求每个数据收集者都拥有专业扫描设备，而是利用人们已有的设备。

2. 需要空间数据的组织

企业和其他需求方可以发布带资金悬赏的任务，描述需要采集的地点和可用的奖励。贡献者提交录制内容，需求方选择合适的提交。被接受的采集内容随后可被重建为可用的 3D 模型。这种需求驱动的方式有助于将数据采集与具体需求对接，而不是在没有明确目的的情况下产生活动。

3. AI 代理

Vangrid 最有趣的想法之一，是让软件代理能够以编程方式请求物理世界数据。代理可以识别需求、为采集请求提供资金，并与能前往并录制该环境的人类贡献者协调。它在数字智能与物理行动之间建立了一种引人入胜的连接：AI 识别需求，人类捕捉世界，由此产生的数据为智能系统提供动力。

🔐 为什么区块链很重要

收集数据只是挑战的一半。组织还需要确信这些数据来自何处，以及它的记录指纹是否被篡改。Vangrid 使用加密溯源技术，让采集记录更加透明和可验证。其系统将采集指纹分组为 Merkle 树，并通过 Ethereum Attestation Service 将生成的记录锚定在 Base 上。