メインコンテンツへスキップ
Physical AI システム — エンボディドエージェント、デジタルツイン、空間コンピューティングアプリケーション、シミュレーションから現実への転移パイプライン — には、実環境の 3D 構造をキャプチャするトレーニングデータが必要です。Avala は、これらのチームが必要とするビジュアライゼーションとアノテーションツールを提供します：Gaussian Splat シーンレンダリング、GPU アクセラレーションポイントクラウドビジュアライゼーション、マルチセンサー MCAP 再生、空間データ上で直接動作する 3D アノテーションツール。

​
なぜ Physical AI に Avala なのか

従来のアノテーションプラットフォームは 2D 画像向けに構築されています。Physical AI チームは、3D シーン、ポイントクラウド、マルチセンサーレコーディング、空間再構成を扱う必要があります。Avala はこれらすべてをネイティブに扱います。

Gaussian Splat ビューア

3D Gaussian Splat シーン再構成を、シーン階層、プロパティインスペクター、リアルタイム統計付きの WebGPU レンダリングビューアに読み込めます。再構成された 3D 環境内で直接ナビゲートしてアノテーションできます。

ポイントクラウドビジュアライゼーション

6 つの可視化モードによる GPU アクセラレーションポイントクラウドレンダリング。ニュートラル、インテンシティ、レインボー、ラベル、パノプティック、画像プロジェクションビューで空間構造、密度、センサーカバレッジを検査できます。

マルチセンサー MCAP 再生

エンボディド AI システムからの記録されたセンサーデータ — カメラ、デプスセンサー、LiDAR、IMU — を同期マルチパネルビューアで再生できます。

3D アノテーションツール

ポイントクラウドと Gaussian Splat シーン上で直接、3D キュボイド、分類ラベル、オブジェクト属性をアノテーションできます。ツール切り替えは不要です。

​
データタイプ

アプリケーションAvala データタイプ典型的なアノテーション
シーン再構成Splat (Gaussian Splat)3D キュボイド、分類
空間マッピングポイントクラウド3D キュボイド、セグメンテーション
エンボディドエージェントレコーディングMCAPトラッキング付きマルチセンサーアノテーション
ナビゲーショントレーニングポイントクラウド、MCAP3D キュボイド、ポリライン
物体認識画像、ポイントクラウドバウンディングボックス、3D キュボイド
デジタルツイン生成Splat、ポイントクラウド分類、オブジェクト属性

​
ユースケース

​
エンボディド AI のためのシーン理解

エンボディド AI エージェントは、環境の 3D 構造を理解する必要があります：オブジェクトがどこにあるか、どの表面が走行可能か、空間がどのように構成されているか。Avala のポイントクラウドと Gaussian Splat ビューアにより、キャプチャされた環境を可視化し、シーン理解モデルをトレーニングするためのオブジェクト、領域、空間関係をアノテーションできます。 ワークフロー： LiDAR またはデプスカメラで環境をキャプチャ -> ポイントクラウドまたは Gaussian Splat 再構成をアップロード -> 3D ビューアで可視化・検査 -> 3D キュボイドと分類ラベルでオブジェクトをアノテーション -> モデルトレーニング用にエクスポート。

​
3D 物体認識

アノテーション付きポイントクラウドとシーン再構成を使用して、3D 空間でオブジェクトを認識するモデルをトレーニングします。3D キュボイドツールにより、完全な位置、寸法、方位制御でオブジェクト周囲に正確なバウンディングボリュームを配置できます。分類属性は各オブジェクトにカテゴリ、素材、状態メタデータを追加します。

​
シミュレーションから現実への転移

シミュレーション環境を構築するチームは、シミュレーションを検証・校正するためにラベル付き実世界データが必要です。Avala はパイプラインの実世界側を処理します：
1

実世界データのキャプチャ

ロボットやセンサーリグを使用してターゲット環境からマルチセンサーデータを記録します。マルチセンサーレコーディングには MCAP フォーマットを、スタンドアロンポイントクラウドには PCD/PLY を使用します。
2

再構成と可視化

Gaussian Splat 再構成または生のポイントクラウドをアップロードします。Avala の 3D ビューアでデータを探索してシーン構造を理解します。
3

グラウンドトゥルースのアノテーション

シミュレーションが正確に再現する必要があるオブジェクト、領域、空間関係をラベル付けします。
4

シミュレーション整合性のためのエクスポート

正確な 3D 座標付きでアノテーションをエクスポートします。これらをグラウンドトゥルースとして使用し、シミュレーションパラメータの検証と調整を行います。

​
デジタルツインデータアノテーション

デジタルツインアプリケーションには、物理世界をバーチャル表現にマッピングするアノテーション付きデータが必要です。Avala の Gaussian Splat ビューアはここで特に有用です — フォトリアリスティックな 3D シーン再構成をレンダリングし、アノテーターは実環境にいるかのようにナビゲートしてラベル付けできます。

​
パイプラインの例

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

​
はじめましょう

1

データフォーマットの選択

シーン再構成には Gaussian Splat フォーマット、生のポイントクラウドには PCD/PLY、エンボディドシステムからのマルチセンサーレコーディングには MCAP を使用します。
2

アップロードと可視化

適切なデータタイプでデータセットを作成し、ファイルをアップロードします。3D ビューアで開いて空間データを探索します。
3

アノテーションスキーマの定義

モデルの要件に合ったオブジェクトクラスと属性を設定します — オブジェクトカテゴリ、素材、状態、空間関係。
4

3D でアノテーション

チームがポイントクラウドまたは Gaussian Splat シーン内で直接 3D キュボイドと分類ラベルを配置します。
5

エクスポートと統合

API または SDK を通じて 3D 座標付きアノテーションをエクスポートします。トレーニングパイプライン、シミュレーション、デジタルツインシステムに統合します。

​
次のステップ

ビジュアライゼーション概要

Gaussian Splat とポイントクラウドビューアを含む Avala のビジュアライゼーション機能の完全な概要。

3D キュボイドツール

正確な位置、寸法、方位制御で 3D オブジェクトをアノテーションする方法。

データタイプ

Splat、ポイントクラウド、MCAP、その他のデータタイプのサポートされるフォーマットとアップロード要件。

Python SDK

データセット管理、プロジェクト作成、アノテーションエクスポートのためのプログラムアクセス。