> ## 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 и пространственные вычисления > Создание обучающих наборов данных для воплощённого AI, цифровых двойников и приложений пространственных вычислений Системы Physical AI — воплощённые агенты, цифровые двойники, приложения пространственных вычислений и пайплайны переноса из симуляции в реальность — требуют обучающих данных, которые захватывают 3D-структуру реальных окружений. Avala предоставляет инструменты визуализации и аннотации, которые нужны этим командам: рендеринг сцен Gaussian Splat, GPU-ускоренная визуализация облаков точек, мультисенсорное воспроизведение MCAP и 3D-инструменты аннотации, работающие прямо с пространственными данными. ## Почему Avala для Physical AI Традиционные платформы аннотации созданы для 2D-изображений. Командам Physical AI нужно работать с 3D-сценами, облаками точек, мультисенсорными записями и пространственными реконструкциями. Avala обрабатывает всё это нативно. Загружайте 3D-реконструкции сцен Gaussian Splat в WebGPU-просмотрщик с иерархией сцены, инспектором свойств и статистикой в реальном времени. Навигируйте и аннотируйте прямо в реконструированном 3D-окружении. GPU-ускоренный рендеринг облаков точек с 6 режимами визуализации. Инспектируйте пространственную структуру, плотность и охват сенсоров в режимах Нейтральный, Интенсивность, Радуга, Метка, Паноптический и Проекция изображения. Воспроизводите записанные сенсорные данные систем воплощённого AI — камеры, датчики глубины, LiDAR, IMU — в синхронизированном многопанельном просмотрщике. Аннотируйте 3D-кубоиды, метки классификации и атрибуты объектов прямо на облаках точек и сценах Gaussian Splat без смены инструментов. ## Типы данных | Применение | Тип данных Avala | Типичная аннотация | | ----------------------------- | ---------------------- | ------------------------------------- | | Реконструкция сцены | Splat (Gaussian Splat) | 3D-кубоиды, классификация | | Пространственное картирование | Point Cloud | 3D-кубоиды, сегментация | | Записи воплощённых агентов | MCAP | Мультисенсорная аннотация с трекингом | | Обучение навигации | Point Cloud, MCAP | 3D-кубоиды, полилинии | | Распознавание объектов | Image, Point Cloud | Ограничивающие рамки, 3D-кубоиды | | Генерация цифровых двойников | Splat, Point Cloud | Классификация, атрибуты объектов | ## Сценарии использования ### Понимание сцены для воплощённого AI Воплощённым AI-агентам нужно понимать 3D-структуру своего окружения: где находятся объекты, какие поверхности проходимы и как организовано пространство. Просмотрщики облаков точек и Gaussian Splat в Avala позволяют визуализировать захваченные окружения, а затем аннотировать объекты, регионы и пространственные отношения для обучения моделей понимания сцен. **Рабочий процесс:** Захват окружения с помощью LiDAR или камер глубины -> загрузка облака точек или реконструкции Gaussian Splat -> визуализация и инспекция в 3D-просмотрщике -> аннотация объектов 3D-кубоидами и метками классификации -> экспорт для обучения модели. ### 3D-распознавание объектов Обучайте модели распознавать объекты в 3D-пространстве с помощью аннотированных облаков точек и реконструкций сцен. Инструмент 3D-кубоидов позволяет аннотаторам размещать точные ограничивающие объёмы вокруг объектов с полным контролем позиции, размеров и направления. Атрибуты классификации добавляют метаданные категории, материала и состояния к каждому объекту. ### Перенос из симуляции в реальность Команды, строящие среды симуляции, нуждаются в размеченных реальных данных для валидации и калибровки симуляций. Avala обеспечивает реальную сторону пайплайна: Запишите мультисенсорные данные из целевого окружения с помощью робота или сенсорной установки. Используйте формат MCAP для мультисенсорных записей или PCD/PLY для отдельных облаков точек. Загрузите реконструкции Gaussian Splat или необработанные облака точек. Исследуйте данные в 3D-просмотрщиках Avala для понимания структуры сцены. Разметьте объекты, регионы и пространственные отношения, которые ваша симуляция должна точно воспроизвести. Экспортируйте аннотации с точными 3D-координатами. Используйте их как эталон для валидации и настройки параметров симуляции. ### Аннотация данных цифровых двойников Приложениям цифровых двойников нужны аннотированные данные, связывающие физический мир с его виртуальным представлением. Просмотрщик Gaussian Splat в Avala особенно полезен здесь — он рендерит фотореалистичные 3D-реконструкции сцен, по которым аннотаторы могут навигировать и размечать, как если бы они были в реальном окружении. Просмотрщик предоставляет: * **Панель иерархии сцены** — Просмотр и выбор объектов в дереве сцены * **Инспектор свойств** — Просмотр и редактирование атрибутов объектов * **Статистика в реальном времени** — Мониторинг производительности рендеринга * **Отмена/повтор** — Полная история редактирования для исправления аннотаций ### Навигация и планирование путей Для роботов и автономных систем, которым нужно навигировать в физических пространствах, аннотируйте проходимые регионы, препятствия и путевые точки в данных облаков точек. Используйте полилинии для определения путей и границ, а 3D-кубоиды — для отметки препятствий с размерами и ориентацией. ## Используемые функции Avala | Функция | Назначение | Подробнее | | -------------------------- | --------------------------------------------------------- | ------------------------------------------------------------------- | | Просмотрщик Gaussian Splat | Визуализация и аннотация 3D-реконструкций сцен | [Обзор визуализации](/docs/ru/visualization/overview) | | Визуализация облаков точек | Инспекция пространственных данных с 6 режимами рендеринга | [Обзор визуализации](/docs/ru/visualization/overview) | | Интеграция MCAP / ROS | Приём мультисенсорных записей систем воплощённого AI | [MCAP и ROS](/docs/visualization/mcap-ros/overview) | | 3D-аннотация кубоидами | Разметка объектов в 3D с точной позицией и размерами | [Инструмент 3D-кубоидов](/docs/annotation/guides/tools/cuboid-3d) | | Классификация | Категориальные метки на уровне сцены и объекта | [Инструмент классификации](/docs/annotation/guides/tools/classification) | | Python SDK | Программное управление наборами данных и экспорт | [Python SDK](/docs/ru/sdks/python) | | TypeScript SDK | Интеграция с пайплайнами Node.js | [TypeScript SDK](/docs/ru/sdks/typescript) | | Облачное хранилище | Подключение S3 или GCS для больших 3D-наборов данных | [Облачное хранилище](/docs/integrations/cloud-storage) | ## Пример пайплайна ``` 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 ``` ## Начало работы Используйте формат Gaussian Splat для реконструкций сцен, PCD/PLY для необработанных облаков точек или MCAP для мультисенсорных записей воплощённых систем. Создайте набор данных с соответствующим типом данных и загрузите файлы. Откройте их в 3D-просмотрщике для исследования пространственных данных. Настройте классы объектов и атрибуты в соответствии с требованиями вашей модели — категории объектов, материалы, состояния, пространственные отношения. Ваша команда размещает 3D-кубоиды и метки классификации прямо в облаке точек или сцене Gaussian Splat. Экспортируйте аннотации с 3D-координатами через API или SDK. Интегрируйте в ваш пайплайн обучения, симуляцию или систему цифровых двойников. ## Следующие шаги Полный обзор возможностей визуализации Avala, включая просмотрщики Gaussian Splat и облаков точек. Как аннотировать объекты в 3D с точным контролем позиции, размеров и направления. Поддерживаемые форматы и требования к загрузке для Splat, Point Cloud, MCAP и других типов данных. Программный доступ для управления наборами данных, создания проектов и экспорта аннотаций.