> ## Documentation Index > Fetch the complete documentation index at: https://avala.ai/docs/llms.txt > Use this file to discover all available pages before exploring further. # Grundkonzepte > Die grundlegenden Konzepte der Avala Plattform verstehen 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: | Paneltyp | Beschreibung | | ----------------- | ----------------------------------------- | | Bild | Kamerabilder und Bildstreams | | 3D / Punktwolke | LiDAR-Scans und 3D-Geometrie | | Plot | Zeitreihendaten und numerische Signale | | Rohnachrichten | Dekodierte Nachrichteninhalte | | Log | Textuelle Log-Streams | | Karte | Geografische Position und Trajektorien | | Anzeige | Numerische Echtzeit-Messwerte | | Zustandsübergänge | Diskrete Zustandsänderungen über die Zeit | 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: | Modus | Beschreibung | | -------------- | -------------------------------------- | | Neutral | Einheitliche Einzelfarbe | | Intensität | Eingefärbt nach Rückstrahlstärke | | Regenbogen | Zeitliche oder sequentielle Einfärbung | | Label | Eingefärbt nach semantischer Klasse | | Panoptisch | Eingefärbt nach Instanzidentität | | Bildprojektion | Texturiert mit projiziertem Kamerabild | 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 | Eigenschaft | Beschreibung | | ------------ | --------------------------------------------------------------------------------- | | `name` | Lesbarer Name | | `slug` | URL-freundlicher Bezeichner (eindeutig innerhalb des Namensraums des Eigentümers) | | `data_type` | Datentyp: `image`, `video`, `lidar`, `mcap`, `image_3d`, `splat` | | `visibility` | `public` oder `private` | | `owner` | Benutzer oder Organisation, die den Datensatz besitzt | | `item_count` | Gesamtzahl der Datenelemente im Datensatz | ### 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: ``` uploading → processing → ready → failed ``` ## 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 ``` Projekt ├── Datensätze (Datenquellen) ├── Aufgabentyp (Annotationsmethode) ├── Label-Konfiguration (Objektklassen, Attribute) ├── Qualitätskontrolle (Prüfstufen, Konsens) └── Aufgaben (einzelne Arbeitseinheiten) ``` ### Aufgabentypen Projekte werden mit einem der folgenden Aufgabentypen konfiguriert: | Aufgabentyp | API-Wert | Beschreibung | | ---------------------- | ------------------------ | --------------------------------------------------------------------------- | | Bildannotation | `image-annotation` | 2D-Annotation auf Einzelbildern (Boxen, Polygone, Segmentierung, Keypoints) | | Videoannotation | `video-annotation` | Bild-für-Bild-Annotation mit Objekt-Tracking über Bilder hinweg | | Punktwolken-Annotation | `point-cloud-annotation` | 3D-Annotation auf LiDAR-Scans (Quader, Segmentierung) | | Punktwolken-Objekte | `point-cloud-objects` | Objektbasierte Annotation in 3D-Punktwolken-Sequenzen | ### Projektstatus | Status | Beschreibung | | ------------------ | --------------------------------------------- | | `pending-approval` | Wartet auf Genehmigung zum Start | | `active` | Nimmt Annotationsarbeit an | | `paused` | Vorübergehend angehalten | | `canceled` | Dauerhaft gestoppt | | `archived` | Abgeschlossen und archiviert | | `completed` | Alle Annotationsaufgaben wurden abgeschlossen | ## 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: ``` pending → assigned → in_progress → submitted → under_review → approved → rejected → rework ``` | Status | Beschreibung | | -------------- | ------------------------------------------------------ | | `pending` | Erstellt, aber noch keinem Annotator zugewiesen | | `assigned` | Einem Annotator zugewiesen, wartet auf Arbeitsbeginn | | `in_progress` | Annotator arbeitet aktiv an der Aufgabe | | `submitted` | Annotator hat seine Arbeit zur Überprüfung eingereicht | | `under_review` | Ein Reviewer prüft die eingereichten Annotationen | | `approved` | Annotationen akzeptiert — Aufgabe ist abgeschlossen | | `rejected` | Annotationen haben die Überprüfung nicht bestanden | | `rework` | Zur Korrektur an den Annotator zurückgegeben | ### 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 ``` Organisation ├── Mitglieder (Benutzer mit Rollen) ├── Datensätze (gemeinsame Daten) ├── Projekte (gemeinsame Workflows) └── Einstellungen (Abrechnung, API Keys, Berechtigungen) ``` ### Mitgliederrollen | Rolle | Fähigkeiten | | -------- | -------------------------------------------------------------------------- | | `owner` | Volle Kontrolle — Abrechnung, Einstellungen, kann die Organisation löschen | | `admin` | Mitglieder verwalten, Ressourcen erstellen und konfigurieren | | `member` | Zugriff auf gemeinsame Ressourcen, Annotationsarbeit durchführen | ## Labels und Taxonomie ### Label-Konfiguration Projekte definieren eine **Label-Konfiguration** — eine Reihe vordefinierter Objektklassen, die Annotatoren den Annotationen zuweisen: ```json theme={null} { "labels": [ { "name": "car", "color": "#FF0000" }, { "name": "pedestrian", "color": "#00FF00" }, { "name": "cyclist", "color": "#0000FF" } ] } ``` ### 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: | Typ | Beschreibung | Datentypen | | ------------------ | ------------------------------------------------------ | ----------------- | | **Bounding Box** | 2D-Rechteckbereich um ein Objekt | Bilder, Video | | **Polygon** | Beliebige geschlossene Form entlang von Objektgrenzen | Bilder, Video | | **3D-Quader** | 3D-Bounding Box mit Position, Abmessungen und Rotation | Punktwolken, MCAP | | **Segmentierung** | Pixelgenaue Klassifikationsmaske | Bilder, Video | | **Polylinie** | Offener Pfad für Spuren, Kanten und Grenzen | Bilder, Video | | **Keypoints** | Landmarkenpunkte für Posenschätzung und Struktur | Bilder, Video | | **Klassifikation** | Kategorische Labels auf Szenen- oder Objektebene | Alle Datentypen | ## 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 | Eigenschaft | Beschreibung | | ------------- | ----------------------------------- | | `name` | Sequenzbezeichner | | `frame_count` | Anzahl der Frames in der Sequenz | | `status` | Verarbeitungsstatus der Sequenz | | `data_type` | Vom übergeordneten Datensatz geerbt | ### Status-Workflow Sequenzen folgen dieser Status-Abfolge, während Daten hochgeladen und verarbeitet werden: ``` uploading → processing → ready → failed ``` * **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: `open` → `acknowledged` → `resolved`. ## Nächste Schritte Unterstützte Formate, Visualisierungsfähigkeiten und Annotationswerkzeuge für jeden Datentyp. Lernen Sie die Weboberfläche für Visualisierung, Annotation und Projektmanagement kennen. Wie die Avala Plattformkomponenten zusammenpassen, einschließlich der Visualisierungsengine. API Keys einrichten und authentifizierte Anfragen stellen. Verwalten Sie Geräte, Aufnahmen und Telemetrie Ihrer Roboterflotte.