Comprenda los conceptos fundamentales de la plataforma Avala
Esta página cubre los bloques de construcción de la plataforma Avala: visualización, anotación, datasets, proyectos, tareas, organizaciones, etiquetas, control de calidad y secuencias. Comprender estos conceptos le ayudará a diseñar flujos de trabajo de datos efectivos para Physical AI.
Avala proporciona visualización acelerada por GPU para datos de sensores directamente en el navegador. Estos conceptos se aplican a todas las funciones de visualización.
Avala incluye visores especializados para diferentes tipos de datos. El visor multi-sensor maneja grabaciones MCAP y ROS con reproducción sincronizada en todos los flujos de sensores. El visor de nubes de puntos 3D renderiza datos LiDAR con seis modos de visualización. El visor Gaussian Splat renderiza reconstrucciones fotorrealistas de escenas 3D usando WebGPU.
El visor multi-sensor organiza los datos en paneles — ventanas de visualización independientes para diferentes flujos de datos. Avala soporta ocho tipos de paneles:
Tipo de panel
Descripción
Image
Fotogramas de cámara y flujos de imagen
3D / Point Cloud
Escaneos LiDAR y geometría 3D
Plot
Datos de series temporales y señales numéricas
Raw Messages
Cargas útiles de mensajes decodificados
Log
Flujos de registros textuales
Map
Posición geográfica y trayectorias
Gauge
Lecturas numéricas en tiempo real
State Transitions
Cambios de estado discretos en el tiempo
Los topics se asignan automáticamente a los paneles según su esquema.
Los diseños multi-ventana organizan los paneles en una cuadrícula configurable. El compositor de diseño construye automáticamente disposiciones optimizadas basadas en los topics de sus datos, o puede personalizar el diseño manualmente arrastrando, redimensionando y reorganizando paneles.
Todos los paneles en un visor comparten una línea de tiempo sincronizada. Navegue fotograma a fotograma, desplácese a marcas de tiempo específicas o reproduzca grabaciones a velocidades configurables. La línea de tiempo mantiene todos los flujos de sensores alineados independientemente de sus frecuencias individuales de captura.
Las grabaciones MCAP contienen múltiples flujos de sensores (topics). Cada topic transporta un tipo de dato específico — imágenes, nubes de puntos, lecturas IMU, coordenadas GPS — a su propia frecuencia. Avala sincroniza todos los flujos por marca de tiempo para que pueda ver la imagen completa del sensor en cualquier momento.
Los datos de nubes de puntos pueden colorearse usando seis modos:
Modo
Descripción
Neutral
Color uniforme único
Intensity
Coloreado por intensidad de retorno
Rainbow
Coloreado temporal o secuencial
Label
Coloreado por clase semántica
Panoptic
Coloreado por identidad de instancia
Image Projection
Texturizado con imágenes de cámara proyectadas
Los modos de visualización se aplican al visor de nubes de puntos 3D y funcionan tanto con datasets LiDAR independientes como con flujos de nubes de puntos dentro de grabaciones MCAP.
Un dataset es una colección de elementos de datos (imágenes, fotogramas de video, nubes de puntos o grabaciones multi-sensor) que sirven como materia prima para la visualización y anotación.
Las secuencias agrupan elementos relacionados para datos temporales o multi-fotograma:
Fotogramas de video de la misma grabación
Escaneos LiDAR de una sesión de conducción continua
Capturas multi-cámara sincronizadas en marcas de tiempo consecutivas
Las secuencias permiten la navegación fotograma a fotograma, el seguimiento de objetos entre fotogramas y la consistencia temporal en las anotaciones.Flujo de estados de la secuencia:
Un proyecto define un flujo de trabajo de anotación conectando uno o más datasets con un tipo de tarea específico, una taxonomía de etiquetas y una configuración de control de calidad.
Project├── Datasets (fuentes de datos)├── Task Type (método de anotación)├── Label Config (clases de objetos, atributos)├── Quality Control (etapas de revisión, consenso)└── Tasks (unidades de trabajo individuales)
Una tarea es una unidad de trabajo individual dentro de un proyecto. Cada tarea representa trabajo de anotación que debe realizarse en uno o más elementos de datos por un solo anotador.
Organization├── Members (usuarios con roles)├── Datasets (datos compartidos)├── Projects (flujos de trabajo compartidos)└── Settings (facturación, API keys, permisos)
Los flujos de consenso asignan los mismos datos a múltiples anotadores de forma independiente, luego comparan los resultados para medir el acuerdo e identificar casos ambiguos.
Las métricas de calidad ayudan a identificar necesidades de capacitación y mantener estándares de anotación consistentes en todo su equipo.
Las secuencias son colecciones ordenadas de elementos de datos que representan progresiones temporales o espaciales — fotogramas de video, barridos LiDAR o grabaciones multi-sensor.
Un dispositivo representa un robot físico, equipo de sensores o unidad de cómputo en su flota. Cada dispositivo tiene un identificador único con prefijo dev_ y rastrea metadatos como tipo, versión de firmware y estado (online, offline, maintenance).
Los dispositivos producen grabaciones — archivos MCAP capturados durante la operación. Las grabaciones se asocian automáticamente con su dispositivo de origen y pueden filtrarse por dispositivo, fecha, estado y etiquetas.
Los eventos son marcadores con marca de tiempo en las grabaciones: errores, cambios de estado, anomalías y anotaciones personalizadas. Los eventos aparecen en la línea de tiempo del visor MCAP y pueden consultarse a través de la flota.
Las reglas de grabación evalúan automáticamente las grabaciones contra condiciones y ejecutan acciones (etiquetar, marcar para revisión, notificar) cuando se encuentran coincidencias. Las reglas pueden activarse por umbrales, patrones, frecuencias o ausencia de datos.
Las alertas notifican a su equipo cuando cambian las condiciones de la flota. Enrute alertas a Slack, correo electrónico, webhooks o notificaciones en la aplicación. Las alertas siguen un ciclo de vida: open → acknowledged → resolved.
