Detección y localización
Localiza objetos en fotogramas de imagen y escenas 3D.
- Cajas delimitadoras 2D
- Localiza objetos en fotogramas de imagen y vídeo.
- Cuboides 3D
- Captura la posición, las dimensiones y la orientación en escenas de nubes de puntos.
Salidas de entrenamiento para Physical AI
Ground truth adaptado al modelo.
Convierte datos sincronizados de cámara, LiDAR y secuencias en la geometría que necesitan los sistemas de percepción: cajas y máscaras 2D, cuboides 3D y etiquetas de nubes de puntos, polilíneas, clasificaciones y objetos con seguimiento.
Tráenos una escena representativa. Definiremos la salida, la ruta de revisión y el formato de entrega antes de producir.
0142
Entrada de escena sincronizada
Vídeo multicámaraLiDAR y nubes de puntos
0087 / 0120
Contrato de salida
Detección y localización
01
Segmentación
02
Geometría de escena
03
Seguimiento y clasificación
04
Datos MCAP y ROS
LiDAR y nubes de puntos
Vídeo multicámara
Telemetría y trayectorias
Salidas de entrenamiento para Physical AI
Elige la salida que necesita tu ciclo de entrenamiento.
Selecciona una primitiva disponible y configura sus clases, atributos, alcance de anotación y ruta de revisión para la tarea del modelo.
Segmentación
Crea regiones de clase u objeto en datos de cámara y nubes de puntos.
- Máscaras de imagen
- Crea límites de clase u objeto a nivel de píxel en datos de cámara.
- Segmentación de nubes de puntos
- Asigna clases semánticas a los puntos de escenas 3D.
Geometría de escena
Traza límites definidos por la tarea y geometría secuencial.
- Polígonos y polilíneas
- Traza carriles, bordillos, regiones y otras geometrías definidas por la tarea.
- Polilíneas de secuencia
- Mantén la geometría de polilíneas 3D por fotograma en las secuencias compatibles.
Seguimiento y clasificación
Conserva la identidad y los atributos en las secuencias compatibles.
- Objetos con seguimiento
- Mantén la identidad de los objetos en los fotogramas de secuencias compatibles.
- Clasificaciones
- Añade etiquetas y atributos a nivel de fotograma, objeto o seguimiento.
Define la tarea
Empieza por la decisión del modelo.
El objetivo de entrenamiento determina la representación de ground truth, no al revés. Define la salida según tus sensores, casos límite y contrato de entrega antes de escalar la producción.
Mantén visibles el contexto de cámara, LiDAR, transformaciones y secuencia cuando el flujo de trabajo lo admita.
Define las reglas de clase, la geometría, los atributos y el alcance por fotograma o secuencia antes de producir.
Antes de publicar, pasa las salidas por revisión humana y estados de aceptación; añade análisis de consenso específicos de cada tarea cuando esta los admita.
Ground truth conectado
Diseñado para el ciclo posterior al etiquetado.
El ground truth adquiere valor cuando puede pasar por revisión e incorporarse a un flujo de datos de entrenamiento versionado.
Conserva el contexto de la escena
Mantén conectados el contexto de cámara, LiDAR, telemetría y conjunto de datos para la tarea de etiquetado.
Controla la calidad
Aplica revisión humana, atribución y estados de aceptación; añade análisis de consenso específicos de cada tarea cuando esta los admita.
Publica datos de entrenamiento
Lleva las salidas aprobadas a flujos de conjuntos de datos versionados para su exportación y uso posterior en modelos.
Define el alcance
Tráenos una escena difícil.
Asignaremos el objetivo de entrenamiento a la geometría de ground truth, el flujo de trabajo y el contrato de entrega.