인식
객체 감지, 분할, 추적 모델을 위한 카메라와 포인트 클라우드 정답 데이터를 준비합니다.
자동차를 위한 독립 인프라
Avala는 동기화된 카메라, LiDAR, 레이더, IMU 데이터를 큐레이션, 사람과 AI 검토, 품질 관리, 버전 릴리스로 연결합니다. 자율주행 팀은 데이터 계보를 유지한 채 도로 이벤트를 학습 입력으로 전환할 수 있습니다.
소스 세션부터 데이터셋 릴리스까지 하나의 운영 기록.
urban-night / construction동기화된 세션 수집
중요한 시나리오 큐레이션
검증 가능한 정답 데이터 구축
버전 릴리스 게시
하나의 운영 루프
분절된 인수인계를 멀티모달 수집부터 다음 데이터셋 릴리스까지 이어지는 추적 가능한 경로로 바꾸세요.
소스 맥락을 잃지 않고 MCAP, 비디오, 포인트 클라우드, 텔레메트리를 동기화된 세션으로 수집합니다.
다음 학습 주기에 필요한 엣지 케이스, 환경, 행동이 포함된 세션을 검색하고 선별합니다.
모델 지원과 사람의 2D, 3D, 4D 검토를 결합하고 각 릴리스에 필요한 품질 게이트를 적용합니다.
관리형 납품 형식과 원본 메타데이터를 합의하세요. 셀프서비스 레지스트리와 공개 리졸버는 개발 중입니다. 현재 데이터셋 전달과 별도로 이용 가능 여부를 평가하세요.
지속 가능한 데이터셋 ID
관리형 데이터셋 운영은 현재 이용할 수 있습니다. 이 예시는 개발 중인 레지스트리 규약을 보여 줍니다. 불변 매니페스트, 리비전, 출처 및 명시된 권리가 포함됩니다. 리졸버 접근에 의존하기 전에 프로그램의 납품 형식을 확인하세요.
autonomy/urban-night@v24자동차 AI를 위해 설계
인식, 센서 융합, 차량 내부, 매핑 작업을 동일한 데이터셋 ID와 릴리스 규율 아래 관리하세요.
객체 감지, 분할, 추적 모델을 위한 카메라와 포인트 클라우드 정답 데이터를 준비합니다.
팀이 모든 센서 스트림에서 동일한 이벤트를 검토할 때 타임스탬프와 캘리브레이션 맥락을 보존합니다.
명확한 검토 기준과 함께 탑승자 및 운전자 상태 모델용 영상과 텔레메트리 데이터를 구성합니다.
매핑, 위치 추정, 도로 이해, 변화 감지 워크플로를 위한 공간 데이터를 큐레이션합니다.
실제 프로그램으로 시작
실제 데이터 흐름, 릴리스 게이트, 연결할 기술 스택을 가져오세요. Avala로 데이터 계보를 유지하며 운영하는 방법을 보여드립니다.