Passer au contenu principal
Les systèmes Physical AI — agents incarnés, jumeaux numériques, applications d’informatique spatiale et pipelines de transfert simulation-réel — nécessitent des données d’entraînement qui capturent la structure 3D des environnements réels. Avala fournit les outils de visualisation et d’annotation dont ces équipes ont besoin : rendu de scènes Gaussian Splat, visualisation de nuages de points accélérée par GPU, lecture multi-capteurs MCAP et outils d’annotation 3D qui fonctionnent directement sur les données spatiales.

​
Pourquoi Avala pour le Physical AI

Les plateformes d’annotation traditionnelles sont conçues pour les images 2D. Les équipes Physical AI doivent travailler avec des scènes 3D, des nuages de points, des enregistrements multi-capteurs et des reconstructions spatiales. Avala gère tout cela nativement.

Visualiseur Gaussian Splat

Chargez des reconstructions de scènes 3D Gaussian Splat dans un visualiseur rendu par WebGPU avec hiérarchie de scène, inspecteur de propriétés et statistiques en temps réel. Naviguez et annotez directement dans l’environnement 3D reconstruit.

Visualisation de nuages de points

Rendu de nuages de points accéléré par GPU avec 6 modes de visualisation. Inspectez la structure spatiale, la densité et la couverture des capteurs avec les vues Neutre, Intensité, Arc-en-ciel, Étiquette, Panoptique et Projection d’image.

Lecture multi-capteurs MCAP

Rejouez les données de capteurs enregistrées des systèmes d’IA incarnée — caméras, capteurs de profondeur, LiDAR, IMU — dans un visualiseur multi-panneaux synchronisé.

Outils d'annotation 3D

Annotez des cuboïdes 3D, des étiquettes de classification et des attributs d’objets directement sur les nuages de points et les scènes Gaussian Splat sans changer d’outil.

​
Types de données

ApplicationType de données AvalaAnnotation typique
Reconstruction de scèneSplat (Gaussian Splat)Cuboïdes 3D, classification
Cartographie spatialeNuage de pointsCuboïdes 3D, segmentation
Enregistrements d’agents incarnésMCAPAnnotation multi-capteurs avec suivi
Entraînement à la navigationNuage de points, MCAPCuboïdes 3D, polylignes
Reconnaissance d’objetsImage, Nuage de pointsBoîtes englobantes, cuboïdes 3D
Génération de jumeaux numériquesSplat, Nuage de pointsClassification, attributs d’objets

​
Cas d’usage

​
Compréhension de scène pour l’IA incarnée

Les agents d’IA incarnée doivent comprendre la structure 3D de leur environnement : où se trouvent les objets, quelles surfaces sont traversables et comment l’espace est organisé. Les visualiseurs de nuages de points et Gaussian Splat d’Avala vous permettent de visualiser les environnements capturés, puis d’annoter les objets, régions et relations spatiales qui entraînent les modèles de compréhension de scène. Flux de travail : Capturer l’environnement avec LiDAR ou caméras de profondeur -> télécharger le nuage de points ou la reconstruction Gaussian Splat -> visualiser et inspecter dans le visualiseur 3D -> annoter les objets avec des cuboïdes 3D et des étiquettes de classification -> exporter pour l’entraînement du modèle.

​
Reconnaissance d’objets 3D

Entraînez des modèles à reconnaître des objets dans l’espace 3D en utilisant des nuages de points annotés et des reconstructions de scènes. L’outil cuboïde 3D permet aux annotateurs de placer des volumes englobants précis autour des objets avec un contrôle complet de la position, des dimensions et du cap. Les attributs de classification ajoutent des métadonnées de catégorie, matériau et état à chaque objet.

​
Transfert simulation-réel

Les équipes construisant des environnements de simulation ont besoin de données réelles étiquetées pour valider et calibrer leurs simulations. Avala gère le côté réel du pipeline :
1

Capturer les données réelles

Enregistrez des données multi-capteurs de l’environnement cible en utilisant votre robot ou montage de capteurs. Utilisez le format MCAP pour les enregistrements multi-capteurs ou PCD/PLY pour les nuages de points autonomes.
2

Reconstruire et visualiser

Téléchargez les reconstructions Gaussian Splat ou les nuages de points bruts. Explorez les données dans les visualiseurs 3D d’Avala pour comprendre la structure de la scène.
3

Annoter la vérité terrain

Étiquetez les objets, régions et relations spatiales que votre simulation doit reproduire avec précision.
4

Exporter pour l'alignement de simulation

Exportez les annotations avec des coordonnées 3D précises. Utilisez-les comme vérité terrain pour valider et ajuster les paramètres de votre simulation.

​
Annotation de données de jumeaux numériques

Les applications de jumeaux numériques ont besoin de données annotées qui cartographient le monde physique vers sa représentation virtuelle. Le visualiseur Gaussian Splat d’Avala est particulièrement utile ici — il rend des reconstructions de scènes 3D photoréalistes que les annotateurs peuvent naviguer et étiqueter comme s’ils étaient dans l’environnement réel. Le visualiseur fournit :
  • Panneau de hiérarchie de scène — Parcourez et sélectionnez les objets dans l’arbre de scène
  • Inspecteur de propriétés — Visualisez et éditez les attributs d’objets
  • Statistiques en temps réel — Surveillez les performances de rendu
  • Annuler/Rétablir — Historique d’édition complet pour les corrections d’annotation
Pour les robots et systèmes autonomes qui doivent naviguer dans des espaces physiques, annotez les régions traversables, les obstacles et les points de passage dans les données de nuages de points. Utilisez les polylignes pour définir les chemins et les limites, et les cuboïdes 3D pour marquer les obstacles avec taille et orientation.

​
Fonctionnalités Avala utilisées

FonctionnalitéObjectifEn savoir plus
Visualiseur Gaussian SplatVisualiser et annoter les reconstructions de scènes 3DAperçu Visualisation
Visualisation de nuages de pointsInspecter les données spatiales avec 6 modes de renduAperçu Visualisation
Intégration MCAP / ROSIngérer les enregistrements multi-capteurs des systèmes d’IA incarnéeMCAP et ROS
Annotation cuboïdes 3DÉtiqueter les objets dans l’espace 3D avec position et dimensions précisesOutil Cuboïde 3D
ClassificationÉtiquettes catégorielles au niveau de la scène et de l’objetOutil Classification
Python SDKGestion programmatique des jeux de données et exportPython SDK
TypeScript SDKIntégration avec les pipelines Node.jsTypeScript SDK
Stockage cloudConnecter S3 ou GCS pour les grands jeux de données 3DStockage cloud

​
Pipeline exemple

Real-world environment capture (LiDAR, cameras, depth sensors)
  -> Generate 3D reconstruction (Gaussian Splat or point cloud)
  -> Upload to Avala dataset
  -> Visualize in 3D viewer -- inspect scene structure and quality
  -> Create annotation project with 3D cuboid + classification task
  -> Annotators label objects, regions, and spatial relationships
  -> QC review in the same 3D viewer
  -> Export with 3D coordinates and metadata
  -> Feed into embodied AI training / simulation calibration pipeline

​
Commencer

1

Choisissez votre format de données

Utilisez le format Gaussian Splat pour les reconstructions de scènes, PCD/PLY pour les nuages de points bruts, ou MCAP pour les enregistrements multi-capteurs des systèmes incarnés.
2

Téléchargez et visualisez

Créez un jeu de données avec le type de données approprié et téléchargez vos fichiers. Ouvrez-les dans le visualiseur 3D pour explorer les données spatiales.
3

Définissez votre schéma d'annotation

Configurez les classes d’objets et attributs correspondant aux exigences de votre modèle — catégories d’objets, matériaux, états, relations spatiales.
4

Annotez en 3D

Votre équipe place des cuboïdes 3D et des étiquettes de classification directement dans le nuage de points ou la scène Gaussian Splat.
5

Exportez et intégrez

Exportez les annotations avec des coordonnées 3D via l’API ou le SDK. Intégrez dans votre pipeline d’entraînement, simulation ou système de jumeau numérique.

​
Prochaines étapes

Aperçu Visualisation

Aperçu complet des capacités de visualisation d’Avala, incluant les visualiseurs Gaussian Splat et nuages de points.

Outil Cuboïde 3D

Comment annoter des objets en 3D avec un contrôle précis de la position, des dimensions et du cap.

Types de données

Formats supportés et exigences de téléchargement pour Splat, Nuage de points, MCAP et autres types de données.

Python SDK

Accès programmatique pour gérer les jeux de données, créer des projets et exporter les annotations.