탐지 및 위치 추정
이미지, 비디오, 포인트 클라우드의 객체를 2D 박스와 3D 큐보이드로 찾습니다.
신뢰 가능한 정답 데이터
장면의 맥락을 그대로 지키는 정답 데이터.
동기화된 카메라, LiDAR, 텔레메트리를 Physical AI용 검토 완료 학습 데이터로 바꾸세요. 모델에 필요한 맥락을 잃지 않고 2D, 3D, 시퀀스 전체를 라벨링합니다.
소프트웨어, 선택적 모델 지원, 옵션형 관리 운영이 하나의 품질 워크플로 안에서 작동합니다.
시퀀스 041
센서 동기화됨멀티카메라 비디오
00:18:42.320
활성 트랙 · 047
LiDAR 및 포인트 클라우드
- 라벨링
- 사람 검토
- 품질 관리
품질 관리릴리스 준비 완료
MCAP 및 ROS 데이터
LiDAR 및 포인트 클라우드
멀티카메라 비디오
텔레메트리 및 궤적
멀티모달 중심 설계
하나의 동기화된 장면. 모든 정답 데이터 결정.
Physical AI 모델은 고립된 프레임이 아니라 움직임과 맥락에서 학습합니다. Avala는 라벨링과 검토 중에도 카메라, 포인트 클라우드, 궤적 데이터를 정렬된 상태로 유지합니다.
세그멘테이션
지원되는 곳에서 선택적 모델 지원으로 이미지 마스크와 포인트 클라우드 분할을 만듭니다.
추적 및 분류
추적 객체와 4D 폴리라인을 시퀀스 전체에서 일관되게 유지하고 예외를 검토로 보냅니다.
워크플로 제어
품질 게이트를 파이프라인 안에 두세요.
라벨 스키마, 작업별 교육, 사람 검토, 스테이션별 비용 추정을 갖춘 시각적 조건부 워크플로를 구성하세요. 지원되는 작업에는 분류 합의 또는 일부 공간 유형의 합의 분석을 추가할 수 있습니다.
스키마와 분기 로직 정의
일부 박스와 마스크 워크플로 지원
작업을 사람 검토로 전달
QC를 데이터셋 전달 조건으로 설정
릴리스 증거
시퀀스 041 / 릴리스 014
- 어노테이터
- operator-27
- 검토 상태
- 승인됨
- QC 이력
- 06 → 07
추적 가능한 품질
증거를 라벨에 연결된 상태로 유지하세요.
어노테이터와 검토자 귀속, 승인 또는 거부 상태, 3D 트랙 QC 이력을 추적하세요. 네이티브 지원 워크플로는 어노테이션 변경 시 버전과 생성자 출처도 보존할 수 있습니다.
Physical AI를 위한 학습 출력
Physical AI 팀이 실제로 제공하는 지오메트리.
범용 어노테이션 카탈로그의 잡음 없이 지원되는 감지, 분할, 지오메트리, 시퀀스 추적 워크플로를 살펴보세요.
탐지 및 위치 추정
이미지 프레임과 3D 장면에서 객체를 찾습니다.
세그멘테이션
카메라와 포인트 클라우드 데이터에서 클래스 또는 객체 영역을 생성합니다.
장면 지오메트리
작업별 경계와 시퀀스 지오메트리를 추적합니다.
추적 및 분류
지원되는 시퀀스 전반에서 식별 정보와 속성을 유지합니다.
대표 장면 하나를 가져오세요
확장하기 전에 정답 데이터 워크플로를 입증하세요.
한 개의 센서 샘플, 승인 기준, 검토 경로, 데이터셋 전달을 팀과 함께 설계합니다.