Introduction

Avala est la plateforme où les équipes de robotique, véhicules autonomes et physical AI visualisent, explorent et annotent leurs données de capteurs — le tout en un seul endroit. Téléchargez des enregistrements MCAP, des scans LiDAR, des flux caméra ou des scènes Gaussian Splat. Rejouez-les dans un visualiseur multi-capteurs accéléré par GPU avec des chronologies synchronisées et des dispositions de panneaux configurables. Lorsque vous êtes prêt à étiqueter, passez en mode annotation sur les mêmes données — pas d’exports, pas de changement d’outil, pas de nouveau téléchargement. La plateforme gère le cycle de vie complet, des données de capteurs brutes aux jeux de données d’entraînement étiquetés.

​

Qui utilise Avala

• Équipes de véhicules autonomes — Étiquetez des images caméra, des nuages de points LiDAR et des enregistrements multi-capteurs synchronisés pour l’entraînement de modèles de perception. Visualisez et déboguez des données MCAP/ROS avec projection multi-caméras.
• Entreprises de robotique — Annotez des données de perception pour la navigation, la manipulation et la compréhension de scène. Explorez des nuages de points 3D avec un rendu accéléré par GPU.
• Équipes Physical AI / Informatique spatiale — Travaillez avec des scènes Gaussian Splat, des nuages de points denses et des données multi-capteurs pour la compréhension 3D du monde et le transfert simulation-réel.
• Équipes IA/ML — Créez des jeux de données d’entraînement pour la détection d’objets, la segmentation, la classification et le suivi sur des images, de la vidéo et des données 3D.
• Laboratoires de recherche — Construisez des jeux de données étiquetés pour la recherche en vision par ordinateur et perception 3D avec des outils d’annotation professionnels et des flux de contrôle qualité.

​

Capacités de la plateforme

​

Visualisation

Le moteur de visualisation d’Avala fonctionne entièrement dans le navigateur, propulsé par WebGPU et WebGL.

• Lecture multi-capteurs MCAP/ROS — Ouvrez des fichiers MCAP contenant des données caméra, LiDAR, radar et IMU. Le visualiseur détecte automatiquement les topics et attribue les types de panneaux parmi 8 types : Image, 3D / Nuage de points, Graphique, Messages bruts, Journal, Carte, Jauge et Transitions d’état.
• Rendu 3D de nuages de points accéléré par GPU — Affichez des nuages de points avec 6 modes de visualisation : Neutre, Intensité, Arc-en-ciel, Étiquette, Panoptique et Projection d’image. Les shaders de calcul WebGPU gèrent le frustum culling et la sélection du niveau de détail sur le GPU.
• Visualiseur Gaussian Splat — Inspectez des reconstructions de scènes 3D dans un visualiseur Gaussian Splat accéléré par WebGPU avec hiérarchie de scène, panneau de propriétés et superposition de statistiques.
• Lecture synchronisée multi-caméras — Visualisez plusieurs flux caméra en synchronisation avec des superpositions de projection LiDAR vers caméra. Supporte les modèles de caméra sténopé et double sphère (fisheye).
• Dispositions multi-fenêtres configurables — Arrangement par glisser-déposer des panneaux avec des vues divisées redimensionnables. La disposition par défaut place une barre latérale de topics, des panneaux de contenu et un panneau d’information de fichier dans une configuration racine horizontale.
• Navigation basée sur la chronologie — Avancement image par image, recherche par horodatage et contrôle de la vitesse de lecture sur tous les flux de capteurs synchronisés.

​

Annotation

Outils d’annotation professionnels pour chaque modalité de données, soutenus par le contrôle qualité et les flux de travail d’équipe.

• Boîtes englobantes — Régions rectangulaires 2D pour la détection d’objets
• Polygones — Formes arbitraires pour des contours d’objets précis
• Cuboïdes 3D — Boîtes englobantes 3D dans les nuages de points et données multi-capteurs avec vues de dessus, en perspective et latérales
• Segmentation — Masques de classification au niveau du pixel
• Polylignes — Annotations de chemins, voies et bords
• Points clés — Annotations de repères et de poses
• Classification — Étiquettes d’attributs au niveau de la scène et de l’objet

Le contrôle qualité comprend des flux de révision multi-étapes, le suivi des problèmes d’annotation, des métriques d’accord inter-annotateurs et des flux de consensus. Le suivi d’objets fournit des identifiants cohérents sur les images vidéo et les séquences. Des services d’étiquetage gérés sont disponibles pour les équipes qui ont besoin d’annotateurs professionnels formés à leur domaine.

​

Types de données supportés

Avala gère cinq modalités de données, chacune avec des flux de visualisation et d’annotation dédiés :

​

SDKs

​

Explorer la plateforme

​

Prochaines étapes