Skip to main content
Diese Seite behandelt die Bausteine der Avala Plattform: Visualisierung, Annotation, Datensätze, Projekte, Aufgaben, Organisationen, Labels, Qualitätskontrolle und Sequenzen. Das Verständnis dieser Konzepte hilft Ihnen, effektive Daten-Workflows für Physical AI zu gestalten.

Visualisierung

Avala bietet GPU-beschleunigte Visualisierung für Sensordaten direkt im Browser. Diese Konzepte gelten für alle Visualisierungsfunktionen.

Viewer

Avala enthält spezialisierte Viewer für verschiedene Datentypen. Der Multi-Sensor-Viewer verarbeitet MCAP- und ROS-Aufnahmen mit synchronisierter Wiedergabe über alle Sensorstreams. Der 3D-Punktwolken-Viewer rendert LiDAR-Daten mit sechs Visualisierungsmodi. Der Gaussian Splat Viewer rendert fotorealistische 3D-Szenenrekonstruktionen mit WebGPU.

Panels

Der Multi-Sensor-Viewer organisiert Daten in Panels — unabhängige Visualisierungsfenster für verschiedene Datenstreams. Avala unterstützt acht Paneltypen: Topics werden automatisch anhand ihres Schemas den Panels zugewiesen.

Layouts

Multi-Fenster-Layouts ordnen Panels in einem konfigurierbaren Raster an. Der Layout-Composer erstellt automatisch optimierte Anordnungen basierend auf den Topics in Ihren Daten, oder Sie passen das Layout manuell durch Ziehen, Größenänderung und Neuanordnung von Panels an.

Zeitleisten

Alle Panels in einem Viewer teilen eine synchronisierte Zeitleiste. Navigieren Sie Bild für Bild, springen Sie zu bestimmten Zeitstempeln oder geben Sie Aufnahmen mit konfigurierbaren Geschwindigkeiten wieder. Die Zeitleiste hält alle Sensorstreams synchron, unabhängig von ihren individuellen Aufnahmefrequenzen.

Sensorstreams

MCAP-Aufnahmen enthalten mehrere Sensorstreams (Topics). Jedes Topic überträgt einen bestimmten Datentyp — Bilder, Punktwolken, IMU-Messwerte, GPS-Koordinaten — mit eigener Frequenz. Avala synchronisiert alle Streams nach Zeitstempel, sodass Sie das vollständige Sensorbild zu jedem Zeitpunkt sehen können.

Visualisierungsmodi

Punktwolkendaten können mit sechs Modi eingefärbt werden:
Visualisierungsmodi gelten für den 3D-Punktwolken-Viewer und funktionieren sowohl mit eigenständigen LiDAR-Datensätzen als auch mit Punktwolkenstreams innerhalb von MCAP-Aufnahmen.

Datensätze

Ein Datensatz ist eine Sammlung von Datenelementen (Bilder, Videobilder, Punktwolken oder Multi-Sensor-Aufnahmen), die als Rohmaterial für Visualisierung und Annotation dienen.

Datensatz-Eigenschaften

Datenelemente

Jeder Datensatz enthält Elemente — einzelne Datenproben:
  • Bilddatensätze — Jedes Element ist eine einzelne Bilddatei.
  • Videodatensätze — Elemente sind Videobilder, gruppiert in Sequenzen.
  • LiDAR-Datensätze — Elemente sind einzelne Punktwolken-Scans.
  • MCAP-Datensätze — Elemente enthalten synchronisierte Multi-Sensor-Frames (Kamera + LiDAR + IMU).

Sequenzen

Sequenzen gruppieren zusammengehörige Elemente für zeitliche oder Multi-Frame-Daten:
  • Videobilder aus derselben Aufnahme
  • LiDAR-Scans aus einer durchgehenden Fahrsitzung
  • Synchronisierte Multi-Kamera-Aufnahmen bei aufeinanderfolgenden Zeitstempeln
Sequenzen ermöglichen die Bild-für-Bild-Navigation, Objekt-Tracking über Bilder hinweg und zeitliche Konsistenz in Annotationen. Sequenz-Status-Workflow:

Projekte

Ein Projekt definiert einen Annotations-Workflow, indem es einen oder mehrere Datensätze mit einem bestimmten Aufgabentyp, einer Label-Taxonomie und einer Qualitätskontroll-Konfiguration verbindet.

Projektkomponenten

Aufgabentypen

Projekte werden mit einem der folgenden Aufgabentypen konfiguriert:

Projektstatus

Aufgaben

Eine Aufgabe ist eine einzelne Arbeitseinheit innerhalb eines Projekts. Jede Aufgabe repräsentiert Annotationsarbeit, die an einem oder mehreren Datenelementen von einem einzelnen Annotator durchzuführen ist.

Aufgaben-Lebenszyklus

Aufgaben durchlaufen die folgenden Zustände:

Ergebnisse

Wenn ein Annotator eine Aufgabe abschließt, reicht er ein Ergebnis ein, das Folgendes enthält:
  • Die Annotationsdaten (Bounding Boxes, Polygone, Quader, Segmentierungsmasken usw.)
  • Metadaten (aufgewendete Zeit, Werkzeugversionen)
Ergebnisse durchlaufen eine Qualitätskontroll-Überprüfung vor der endgültigen Akzeptanz.

Organisationen

Eine Organisation gruppiert Benutzer und Ressourcen für teambasierte Zusammenarbeit.

Organisationsstruktur

Mitgliederrollen

Labels und Taxonomie

Label-Konfiguration

Projekte definieren eine Label-Konfiguration — eine Reihe vordefinierter Objektklassen, die Annotatoren den Annotationen zuweisen:

Klassifikation

Für komplexere Taxonomien können Projekte Klassifikationskonfigurationen enthalten, die Folgendes definieren:
  • Attribute — Eigenschaften wie Farbe, Verdeckungsgrad oder Abschneidung, die Annotatoren jedem Objekt zuweisen.
  • Hierarchische Kategorien — Verschachtelte Klassenstrukturen (z. B. Fahrzeug > Auto > Limousine).
  • Bedingte Attribute — Attribute, die nur für bestimmte Objektklassen angezeigt werden.

Annotationstypen

Avala unterstützt die folgenden Annotationstypen, die jeweils für bestimmte Labeling-Aufgaben konzipiert sind:

Qualitätskontrolle

Avala bietet integrierte Qualitätssicherungswerkzeuge, um Annotationsgenauigkeit und -konsistenz sicherzustellen.

Reviews

Annotationen durchlaufen eine Überprüfungsstufe vor der Akzeptanz:
  1. Der Annotator reicht sein Ergebnis ein.
  2. Ein Reviewer prüft die Annotationen.
  3. Der Reviewer akzeptiert korrekte Arbeit oder lehnt Arbeit ab, die korrigiert werden muss.
  4. Abgelehnte Aufgaben werden zur Nachbearbeitung an den Annotator zurückgegeben.

Issues

Annotations-Issues ermöglichen es Reviewern, bestimmte Probleme an einzelnen Annotationen zu markieren:
  • Ein Issue an ein bestimmtes Objekt oder eine Region in der Szene anheften.
  • Issues Teammitgliedern zur Lösung zuweisen.
  • Issue-Status verfolgen (offen, gelöst).

Metriken

Überwachen Sie die Annotationsqualität mit integrierten Metriken:
  • Akzeptanzrate — Prozentsatz der beim ersten Einreichen genehmigten Aufgaben.
  • Annotationszeit — Durchschnittliche Zeit pro Aufgabe.
  • Inter-Annotator-Agreement — Konsistenz zwischen Annotatoren bei denselben Daten.
  • Issue-Häufigkeit — Rate der markierten Probleme pro Aufgabe.

Konsens

Konsens-Workflows weisen dieselben Daten mehreren Annotatoren unabhängig zu, vergleichen dann die Ergebnisse, um die Übereinstimmung zu messen und mehrdeutige Fälle zu identifizieren.
Qualitätsmetriken helfen, Schulungsbedarf zu identifizieren und konsistente Annotationsstandards in Ihrem Team aufrechtzuerhalten.

Sequenzen

Sequenzen sind geordnete Sammlungen von Datenelementen, die zeitliche oder räumliche Abfolgen darstellen — Videobilder, LiDAR-Sweeps oder Multi-Sensor-Aufnahmen.

Eigenschaften

Status-Workflow

Sequenzen folgen dieser Status-Abfolge, während Daten hochgeladen und verarbeitet werden:
  • uploading — Frames werden auf die Plattform hochgeladen.
  • processing — Frames werden validiert und für die Annotation vorbereitet.
  • ready — Alle Frames sind verarbeitet und für die Annotation verfügbar.
  • failed — Bei der Verarbeitung ist ein Fehler aufgetreten (prüfen Sie die Status einzelner Frames).

Flottenmanagement

Flottenmanagement ist in der Vorschau. Die hier beschriebenen Funktionen können sich ändern.
Die Flottenmanagement-Funktionen von Avala ermöglichen es Ihnen, Geräte, Aufnahmen und Telemetrie über Roboterflotten hinweg im großen Maßstab zu verwalten.

Geräte

Ein Gerät repräsentiert einen physischen Roboter, ein Sensor-Rig oder eine Recheneinheit in Ihrer Flotte. Jedes Gerät hat einen eindeutigen dev_-präfixierten Bezeichner und verfolgt Metadaten wie Typ, Firmware-Version und Status (online, offline, maintenance).

Aufnahmen

Geräte produzieren Aufnahmen — MCAP-Dateien, die während des Betriebs aufgezeichnet werden. Aufnahmen werden automatisch mit ihrem Quellgerät verknüpft und können nach Gerät, Datum, Status und Tags gefiltert werden.

Events

Events sind zeitgestempelte Markierungen auf Aufnahmen: Fehler, Zustandsänderungen, Anomalien und benutzerdefinierte Annotationen. Events erscheinen auf der Zeitleiste des MCAP-Viewers und können flottenübergreifend abgefragt werden.

Aufnahmeregeln

Aufnahmeregeln werten Aufnahmen automatisch anhand von Bedingungen aus und führen Aktionen durch (taggen, zur Überprüfung markieren, benachrichtigen), wenn Übereinstimmungen auftreten. Regeln können auf Schwellenwerte, Muster, Frequenzen oder Datenabwesenheit reagieren.

Warnungen

Warnungen benachrichtigen Ihr Team, wenn sich Flottenbedingungen ändern. Leiten Sie Warnungen an Slack, E-Mail, Webhooks oder In-App-Benachrichtigungen weiter. Warnungen folgen einem Lebenszyklus: openacknowledgedresolved.

Nächste Schritte

Datentypen

Unterstützte Formate, Visualisierungsfähigkeiten und Annotationswerkzeuge für jeden Datentyp.

Annotation

Lernen Sie die Weboberfläche für Visualisierung, Annotation und Projektmanagement kennen.

Architektur

Wie die Avala Plattformkomponenten zusammenpassen, einschließlich der Visualisierungsengine.

API-Authentifizierung

API Keys einrichten und authentifizierte Anfragen stellen.

Flotten-Dashboard

Verwalten Sie Geräte, Aufnahmen und Telemetrie Ihrer Roboterflotte.