Основные концепции

На этой странице рассматриваются базовые элементы платформы Avala: визуализация, аннотация, наборы данных, проекты, задачи, организации, метки, контроль качества и последовательности. Понимание этих концепций поможет вам проектировать эффективные рабочие процессы с данными для Physical AI.

Визуализация

Avala предоставляет GPU-ускоренную визуализацию сенсорных данных прямо в браузере. Эти концепции применимы ко всем функциям визуализации.

Просмотрщики

Avala включает специализированные просмотрщики для различных типов данных. Мультисенсорный просмотрщик работает с записями MCAP и ROS с синхронным воспроизведением всех сенсорных потоков. 3D-просмотрщик облаков точек рендерит данные LiDAR с шестью режимами визуализации. Просмотрщик Gaussian Splat рендерит фотореалистичные 3D-реконструкции сцен с использованием WebGPU.

Панели

Мультисенсорный просмотрщик организует данные в панели — независимые окна визуализации для различных потоков данных. Avala поддерживает восемь типов панелей:

Тип панели	Описание
Изображение	Кадры камер и потоки изображений
3D / Облако точек	Сканы LiDAR и 3D-геометрия
График	Временные ряды и числовые сигналы
Сырые сообщения	Декодированные данные сообщений
Лог	Текстовые потоки логов
Карта	Географическое положение и траектории
Датчик	Числовые показания в реальном времени
Переходы состояний	Дискретные изменения состояний во времени

Топики автоматически назначаются панелям на основе их схемы.

Макеты

Многооконные макеты располагают панели в настраиваемой сетке. Компоновщик макетов автоматически строит оптимальные расположения на основе топиков в ваших данных, или вы можете настроить макет вручную, перетаскивая, изменяя размер и переупорядочивая панели.

Таймлайны

Все панели в просмотрщике используют синхронизированный таймлайн. Перемещайтесь покадрово, переходите к конкретным временным меткам или воспроизводите записи с настраиваемой скоростью. Таймлайн синхронизирует все сенсорные потоки независимо от их индивидуальной частоты захвата.

Сенсорные потоки

Записи MCAP содержат множество сенсорных потоков (топиков). Каждый топик несёт определённый тип данных — изображения, облака точек, показания IMU, координаты GPS — с собственной частотой. Avala синхронизирует все потоки по временным меткам, так что вы видите полную картину сенсоров в любой момент времени.

Режимы визуализации

Данные облаков точек могут быть окрашены с использованием шести режимов:

Режим	Описание
Нейтральный	Единый однородный цвет
Интенсивность	Окраска по силе отражённого сигнала
Радуга	Временная или последовательная окраска
Метка	Окраска по семантическому классу
Паноптический	Окраска по идентификатору экземпляра
Проекция изображения	Текстурирование проецированными изображениями с камер

Режимы визуализации применяются к 3D-просмотрщику облаков точек и работают как с отдельными наборами данных LiDAR, так и с потоками облаков точек внутри записей MCAP.

Наборы данных

Набор данных — это коллекция элементов данных (изображений, видеокадров, облаков точек или мультисенсорных записей), которые служат исходным материалом для визуализации и аннотации.

Свойства набора данных

Свойство	Описание
`name`	Человекочитаемое имя
`slug`	URL-совместимый идентификатор (уникальный в пространстве имён владельца)
`data_type`	Тип данных: `image`, `video`, `lidar`, `mcap`, `image_3d`, `splat`
`visibility`	`public` или `private`
`owner`	Пользователь или организация — владелец набора данных
`item_count`	Общее количество элементов данных в наборе

Элементы данных

Каждый набор данных содержит элементы — отдельные образцы данных:

Наборы изображений — Каждый элемент — один файл изображения.
Наборы видео — Элементы — видеокадры, сгруппированные в последовательности.
Наборы LiDAR — Элементы — отдельные сканы облаков точек.
Наборы MCAP — Элементы содержат синхронизированные мультисенсорные кадры (камера + LiDAR + IMU).

Последовательности

Последовательности группируют связанные элементы для временных или многокадровых данных:

Видеокадры из одной записи
Сканы LiDAR из непрерывной сессии вождения
Синхронизированные захваты нескольких камер в последовательные моменты времени

Последовательности обеспечивают покадровую навигацию, трекинг объектов между кадрами и временную согласованность аннотаций. Рабочий процесс статуса последовательности:

uploading → processing → ready → failed

Проекты

Проект определяет рабочий процесс аннотации, связывая один или несколько наборов данных с конкретным типом задачи, таксономией меток и конфигурацией контроля качества.

Компоненты проекта

Project
├── Datasets (источники данных)
├── Task Type (метод аннотации)
├── Label Config (классы объектов, атрибуты)
├── Quality Control (этапы рецензирования, консенсус)
└── Tasks (отдельные единицы работы)

Типы задач

Проекты настраиваются с одним из следующих типов задач:

Тип задачи	Значение API	Описание
Аннотация изображений	`image-annotation`	2D-аннотация одиночных изображений (рамки, полигоны, сегментация, ключевые точки)
Аннотация видео	`video-annotation`	Покадровая аннотация с трекингом объектов между кадрами
Аннотация облаков точек	`point-cloud-annotation`	3D-аннотация сканов LiDAR (кубоиды, сегментация)
Объекты в облаках точек	`point-cloud-objects`	Аннотация объектов в последовательностях 3D-облаков точек

Статус проекта

Статус	Описание
`pending-approval`	Ожидает одобрения для начала
`active`	Принимает работу по аннотации
`paused`	Временно приостановлен
`canceled`	Окончательно остановлен
`archived`	Завершён и архивирован
`completed`	Все задачи аннотации завершены

Задачи

Задача — это отдельная единица работы в рамках проекта. Каждая задача представляет работу по аннотации, которую должен выполнить один аннотатор на одном или нескольких элементах данных.

Жизненный цикл задачи

Задачи проходят через следующие состояния:

pending → assigned → in_progress → submitted → under_review → approved
                                                             → rejected → rework

Статус	Описание
`pending`	Создана, но ещё не назначена аннотатору
`assigned`	Назначена аннотатору, ожидает начала работы
`in_progress`	Аннотатор активно работает над задачей
`submitted`	Аннотатор отправил работу на рецензирование
`under_review`	Рецензент проверяет отправленные аннотации
`approved`	Аннотации приняты — задача завершена
`rejected`	Аннотации не прошли рецензию
`rework`	Возвращена аннотатору для исправлений

Результаты

Когда аннотатор завершает задачу, он отправляет результат, содержащий:

Данные аннотации (ограничивающие рамки, полигоны, кубоиды, маски сегментации и т.д.)
Метаданные (затраченное время, версии инструментов)

Результаты проходят рецензию контроля качества перед окончательным принятием.

Организации

Организация объединяет пользователей и ресурсы для командной работы.

Структура организации

Organization
├── Members (пользователи с ролями)
├── Datasets (общие данные)
├── Projects (общие рабочие процессы)
└── Settings (биллинг, API-ключи, разрешения)

Роли участников

Роль	Возможности
`owner`	Полный контроль — биллинг, настройки, удаление организации
`admin`	Управление участниками, создание и настройка ресурсов
`member`	Доступ к общим ресурсам, выполнение работы по аннотации

Метки и таксономия

Конфигурация меток

Проекты определяют конфигурацию меток — набор предопределённых классов объектов, которые аннотаторы присваивают аннотациям:

{
  "labels": [
    { "name": "car", "color": "#FF0000" },
    { "name": "pedestrian", "color": "#00FF00" },
    { "name": "cyclist", "color": "#0000FF" }
  ]
}

Классификация

Для более сложных таксономий проекты могут включать конфигурации классификации, определяющие:

Атрибуты — Свойства вроде цвета, уровня перекрытия или обрезки, которые аннотаторы присваивают каждому объекту.
Иерархические категории — Вложенные структуры классов (например, Транспортное средство > Автомобиль > Седан).
Условные атрибуты — Атрибуты, которые отображаются только для определённых классов объектов.

Типы аннотаций

Avala поддерживает следующие типы аннотаций, каждый из которых предназначен для конкретных задач разметки:

Тип	Описание	Типы данных
Ограничивающая рамка	2D-прямоугольная область вокруг объекта	Изображения, Видео
Полигон	Произвольная замкнутая форма по границам объекта	Изображения, Видео
3D-кубоид	3D-ограничивающий параллелепипед с позицией, размерами и вращением	Облака точек, MCAP
Сегментация	Попиксельная маска классификации	Изображения, Видео
Полилиния	Открытый путь для полос, границ и краёв	Изображения, Видео
Ключевые точки	Точки-ориентиры для оценки позы и структуры	Изображения, Видео
Классификация	Категориальные метки на уровне сцены или объекта	Все типы данных

Контроль качества

Avala предоставляет встроенные инструменты обеспечения качества для гарантии точности и согласованности аннотаций.

Рецензирование

Аннотации проходят этап рецензирования перед принятием:

Аннотатор отправляет результат.
Рецензент проверяет аннотации.
Рецензент принимает корректную работу или отклоняет работу, требующую исправлений.
Отклонённые задачи возвращаются аннотатору для доработки.

Проблемы

Проблемы аннотации позволяют рецензентам отмечать конкретные недостатки в отдельных аннотациях:

Привязка проблемы к конкретному объекту или области сцены.
Назначение проблем участникам команды для решения.
Отслеживание статуса проблемы (открыта, решена).

Метрики

Отслеживайте качество аннотаций с помощью встроенных метрик:

Коэффициент принятия — Процент задач, принятых с первой отправки.
Время аннотации — Среднее время на одну задачу.
Согласие между аннотаторами — Согласованность результатов разных аннотаторов на одних и тех же данных.
Частота проблем — Количество отмеченных проблем на задачу.

Консенсус

Рабочие процессы консенсуса назначают одни и те же данные нескольким аннотаторам независимо, затем сравнивают результаты для измерения согласия и выявления неоднозначных случаев.

Метрики качества помогают определить потребности в обучении и поддерживать единые стандарты аннотации в вашей команде.

Последовательности

Последовательности — это упорядоченные коллекции элементов данных, представляющие временные или пространственные прогрессии — видеокадры, обороты LiDAR или мультисенсорные записи.

Свойства

Свойство	Описание
`name`	Идентификатор последовательности
`frame_count`	Количество кадров в последовательности
`status`	Статус обработки последовательности
`data_type`	Наследуется от родительского набора данных

Рабочий процесс статуса

Последовательности проходят через следующие статусы по мере загрузки и обработки данных:

uploading → processing → ready
                       → failed

uploading — Кадры загружаются на платформу.
processing — Кадры валидируются и подготавливаются для аннотации.
ready — Все кадры обработаны и доступны для аннотации.
failed — При обработке произошла ошибка (проверьте статусы отдельных кадров).

Управление парком

Управление парком находится в предварительном доступе. Описанные функции могут измениться.

Возможности управления парком Avala позволяют управлять устройствами, записями и телеметрией роботизированных парков в масштабе.

Устройства

Устройство представляет физического робота, сенсорную установку или вычислительный модуль в вашем парке. Каждое устройство имеет уникальный идентификатор с префиксом dev_ и отслеживает метаданные — тип, версию прошивки и статус (online, offline, maintenance).

Записи

Устройства создают записи — файлы MCAP, захваченные во время работы. Записи автоматически связываются с исходным устройством и могут фильтроваться по устройству, дате, статусу и тегам.

События

События — это временные метки на записях: ошибки, изменения состояния, аномалии и пользовательские аннотации. События отображаются на таймлайне просмотрщика MCAP и могут быть запрошены по всему парку.

Правила записи

Правила записи автоматически оценивают записи по условиям и выполняют действия (тегирование, отметка для рецензии, уведомление) при совпадении. Правила могут срабатывать по пороговым значениям, паттернам, частотам или отсутствию данных.

Оповещения

Оповещения уведомляют вашу команду об изменении условий парка. Направляйте оповещения в Slack, email, вебхуки или уведомления в приложении. Оповещения следуют жизненному циклу: open → acknowledged → resolved.

Следующие шаги

Типы данных

Поддерживаемые форматы, возможности визуализации и инструменты аннотации для каждого типа данных.

Аннотация

Изучите веб-интерфейс для визуализации, аннотации и управления проектами.

Архитектура

Как компоненты платформы Avala взаимодействуют друг с другом, включая движок визуализации.

Аутентификация API

Настройте API-ключи и начните выполнять аутентифицированные запросы.

Панель управления парком

Управляйте устройствами, записями и телеметрией вашего парка роботов.

Начало работы

Платформа

Сценарии использования

​Визуализация

​Просмотрщики

​Панели

​Макеты

​Таймлайны

​Сенсорные потоки

​Режимы визуализации

​Наборы данных

​Свойства набора данных

​Элементы данных

​Последовательности

​Проекты

​Компоненты проекта

​Типы задач

​Статус проекта

​Задачи

​Жизненный цикл задачи

​Результаты

​Организации

​Структура организации

​Роли участников

​Метки и таксономия

​Конфигурация меток

​Классификация

​Типы аннотаций

​Контроль качества

​Рецензирование

​Проблемы

​Метрики

​Консенсус

​Последовательности

​Свойства

​Рабочий процесс статуса

​Управление парком

​Устройства

​Записи

​События

​Правила записи

​Оповещения

​Следующие шаги

Типы данных

Аннотация

Архитектура

Аутентификация API

Панель управления парком

Визуализация

Просмотрщики

Панели

Макеты

Таймлайны

Сенсорные потоки

Режимы визуализации

Наборы данных

Свойства набора данных

Элементы данных

Последовательности

Проекты

Компоненты проекта

Типы задач

Статус проекта

Задачи

Жизненный цикл задачи

Результаты

Организации

Структура организации

Роли участников

Метки и таксономия

Конфигурация меток

Классификация

Типы аннотаций

Контроль качества

Рецензирование

Проблемы

Метрики

Консенсус

Последовательности

Свойства

Рабочий процесс статуса

Управление парком

Устройства

Записи

События

Правила записи

Оповещения

Следующие шаги