> ## 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. # Physical AI と空間コンピューティング > エンボディド AI、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向けのトレーニングデータセットを構築しましょう 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。 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。 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。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。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、MCAP | 3D 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：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。 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。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。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。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。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。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。 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 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。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。 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。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。