Perception
Préparez des vérités terrain caméra et nuage de points pour les modèles de détection, segmentation et suivi.
Infrastructure indépendante pour l’automobile
Transformez chaque trajet en meilleures données pour vos modèles.
Avala relie les données synchronisées des caméras, LiDAR, radars et IMU à la curation, à la revue humaine et IA, au contrôle qualité et aux versions gouvernées, pour passer de l'événement routier à la donnée d'entraînement avec une traçabilité intacte.
Un registre opérationnel de la session source à la version du dataset.
Pipeline de datasets autonomes
Flux alignésSélection de scénario
urban-night / construction- Caméra
- LiDAR
- Radar
- IMU et télémétrie
Horodatages et traçabilité des sources préservés
- 01
Ingérez des sessions synchronisées
- 02
Sélectionnez les scénarios utiles
- 03
Construisez une vérité terrain défendable
- 04
Publiez une version gouvernée
Caméra
LiDAR
Radar
IMU et télémétrie
Une boucle opérationnelle
L'événement routier n'est que le début.
Remplacez les transferts fragmentés par un parcours traçable, de la capture multimodale à la prochaine version du dataset.
- 01
Ingérez des sessions synchronisées
Importez MCAP, vidéo, nuages de points et télémétrie dans des sessions synchronisées sans perdre le contexte source.
- 02
Sélectionnez les scénarios utiles
Recherchez et sélectionnez les sessions contenant les cas limites, environnements et comportements du prochain cycle d'entraînement.
- 03
Construisez une vérité terrain défendable
Combinez assistance des modèles et revue humaine 2D, 3D et 4D, puis appliquez les jalons qualité requis par chaque version.
- 04
Publiez une version gouvernée
Figez le contenu du manifeste et les origines, joignez les métadonnées de droits déclarées, puis publiez une révision immuable que le chargeur résout pour l'entraînement et l'évaluation en aval.
Identité durable du dataset
Une version que votre pile autonome peut reproduire.
Traitez chaque jeu d'entraînement comme un artefact gouverné, pas comme un dossier isolé. Avala publie un manifeste immuable, une révision résolvable, les origines des sources et les métadonnées de droits déclarées.
- Référence lisible du dataset et révision canonique immuable
- Empreinte du manifeste, nombre d'objets, taille totale et origines
- Document de droits et conditions d'accès déclarés avec la révision
- État publié et identité de révision renvoyés par le chargeur
Manifeste de version du dataset
Versionné- Dataset
- autonomy/urban-night
- Version
- v24
- Enregistrements d'origine
- primary / avala · calibration / avala
- Droits déclarés
- Joints
- État de la révision
- Publiée
autonomy/urban-night@v24Conçu pour l'IA automobile
Un seul système de données pour tout le programme autonome.
Gardez la perception, la fusion de capteurs, l'habitacle et la cartographie sous la même identité de dataset et la même discipline de publication.
Fusion de capteurs
Préservez le contexte temporel et d'étalonnage lorsque les équipes examinent le même événement dans chaque flux capteur.
Intelligence embarquée
Organisez les données visuelles et télémétriques pour développer des modèles d'état des occupants et du conducteur avec des critères de revue explicites.
Cartographie et localisation
Organisez les données spatiales pour la cartographie, la localisation, la compréhension routière et la détection des changements.
Apportez un programme réel
Cartographiez votre boucle de données automobile la plus difficile.
Apportez un flux de données, un jalon de publication et la pile à connecter. Nous montrerons comment Avala peut l'opérationnaliser sans rompre la traçabilité.