Percepción
Prepara ground truth de cámara y nubes de puntos para desarrollar modelos de detección, segmentación y seguimiento.
Infraestructura independiente para automoción
Convierte cada trayecto en mejores datos para el modelo.
Avala conecta datos sincronizados de cámara, LiDAR, radar e IMU con curación, revisión humana y de IA, control de calidad y versiones gobernadas, para pasar del evento en carretera al dato de entrenamiento con el linaje intacto.
Un registro operativo desde la sesión de origen hasta la versión del dataset.
Pipeline de datasets de autonomía
Flujos alineadosSelección de escenario
urban-night / construction- Cámara
- LiDAR
- Radar
- IMU y telemetría
Marcas de tiempo y linaje de origen conservados
- 01
Ingiere sesiones sincronizadas
- 02
Cura los escenarios relevantes
- 03
Construye ground truth defendible
- 04
Publica una versión gobernada
Cámara
LiDAR
Radar
IMU y telemetría
Un ciclo operativo
El evento en carretera es solo el comienzo.
Sustituye entregas fragmentadas por una ruta trazable desde la captura multimodal hasta la siguiente versión del dataset.
- 01
Ingiere sesiones sincronizadas
Incorpora MCAP, vídeo, nubes de puntos y telemetría en sesiones sincronizadas sin perder el contexto de origen.
- 02
Cura los escenarios relevantes
Busca y selecciona sesiones con los casos límite, entornos y comportamientos del siguiente ciclo de entrenamiento.
- 03
Construye ground truth defendible
Combina asistencia de modelos con revisión humana 2D, 3D y 4D y aplica las puertas de calidad que exige cada versión.
- 04
Publica una versión gobernada
Fija el contenido del manifiesto y los orígenes, adjunta los metadatos de derechos declarados y publica una revisión inmutable que el cargador resuelve para el entrenamiento y la evaluación posteriores.
Identidad duradera del dataset
Una versión que tu infraestructura de autonomía puede reproducir.
Trata cada conjunto de entrenamiento como un artefacto gobernado, no como una carpeta aislada. Avala publica un manifiesto inmutable, una revisión resoluble, los orígenes de las fuentes y metadatos de derechos declarados.
- Referencia legible del dataset más una revisión canónica inmutable
- Hash del manifiesto, número de objetos, tamaño total y orígenes
- Documento de derechos y condiciones de acceso declarados en la revisión
- Estado publicado e identidad de revisión devueltos por el cargador
Manifiesto de la versión del dataset
Versionado- Dataset
- autonomy/urban-night
- Versión
- v24
- Registros de origen
- primary / avala · calibration / avala
- Derechos declarados
- Adjuntos
- Estado de la revisión
- Publicada
autonomy/urban-night@v24Creado para IA de automoción
Un sistema de datos para todo el programa de autonomía.
Mantén percepción, fusión de sensores, cabina y cartografía bajo la misma identidad de dataset y disciplina de publicación.
Fusión de sensores
Conserva el contexto temporal y de calibración mientras los equipos inspeccionan el mismo evento en todos los sensores.
Inteligencia en cabina
Organiza datos visuales y de telemetría para desarrollar modelos del estado de ocupantes y conductores con criterios de revisión explícitos.
Cartografía y localización
Cura datos espaciales para cartografía, localización, comprensión de carreteras y detección de cambios.
Trae un programa real
Mapea tu ciclo de datos de automoción más difícil.
Trae un flujo de datos, una puerta de publicación y la infraestructura que debe conectar. Te mostraremos cómo Avala puede operarlo sin romper el linaje.