인식
객체 감지, 분할, 추적 모델 개발을 위한 카메라와 포인트 클라우드 정답 데이터를 준비합니다.
자동차 모델 지원
모든 주행을 더 나은 모델 데이터로.
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.
자율주행 데이터셋 파이프라인
스트림 정렬됨시나리오 슬라이스
urban-night / construction- 카메라
- LiDAR
- 레이더
- IMU 및 텔레메트리
타임스탬프와 소스 계보 유지
- 01
동기화된 세션 수집
- 02
중요한 시나리오 큐레이션
- 03
검증 가능한 정답 데이터 구축
- 04
버전 릴리스 게시
카메라
LiDAR
레이더
IMU 및 텔레메트리
하나의 운영 루프
도로 이벤트는 시작일 뿐입니다.
분절된 인수인계를 멀티모달 수집부터 다음 데이터셋 릴리스까지 이어지는 추적 가능한 경로로 바꾸세요.
- 01
동기화된 세션 수집
소스 맥락을 잃지 않고 MCAP, 비디오, 포인트 클라우드, 텔레메트리를 동기화된 세션으로 수집합니다.
- 02
중요한 시나리오 큐레이션
다음 학습 주기에 필요한 엣지 케이스, 환경, 행동이 포함된 세션을 검색하고 선별합니다.
- 03
검증 가능한 정답 데이터 구축
모델 지원과 사람의 2D, 3D, 4D 검토를 결합하고 각 릴리스에 필요한 품질 게이트를 적용합니다.
- 04
버전 릴리스 게시
매니페스트 내용과 소스 출처를 고정하고 선언된 권리 메타데이터를 연결한 뒤, 하위 학습과 평가를 위해 로더가 해석할 수 있는 변경 불가능한 리비전을 게시합니다.
지속 가능한 데이터셋 ID
자율주행 스택이 재현할 수 있는 릴리스.
각 학습 세트를 일회성 폴더가 아닌 관리되는 산출물로 다루세요. Avala는 변경 불가능한 매니페스트, 확인 가능한 리비전, 소스 출처, 선언된 권리 메타데이터를 게시합니다.
- 읽기 쉬운 데이터셋 참조와 변경 불가능한 정규 리비전
- 매니페스트 해시, 객체 수, 총 크기, 소스 출처
- 리비전에 연결된 선언형 권리 문서와 접근 조건
- 로더가 반환하는 게시 상태와 리비전 ID
데이터셋 릴리스 매니페스트
버전 관리됨- 데이터셋
- autonomy/urban-night
- 릴리스
- v24
- 출처 레코드
- primary / avala · calibration / avala
- 선언된 권리
- 첨부됨
- 리비전 상태
- 게시됨
autonomy/urban-night@v24자동차 AI를 위해 설계
자율주행 프로그램 전체를 위한 하나의 데이터 시스템.
인식, 센서 융합, 차량 내부, 매핑 작업을 동일한 데이터셋 ID와 릴리스 규율 아래 관리하세요.
센서 융합
팀이 모든 센서 스트림에서 동일한 이벤트를 검토할 때 타임스탬프와 캘리브레이션 맥락을 보존합니다.
차량 내부 인텔리전스
명확한 검토 기준과 함께 탑승자 및 운전자 상태 모델 개발용 영상과 텔레메트리 데이터를 구성합니다.
매핑 및 위치 추정
매핑, 위치 추정, 도로 이해, 변화 감지 워크플로를 위한 공간 데이터를 큐레이션합니다.
실제 프로그램으로 시작
가장 어려운 자동차 데이터 루프를 설계하세요.
실제 데이터 흐름, 릴리스 게이트, 연결할 기술 스택을 가져오세요. Avala로 데이터 계보를 유지하며 운영하는 방법을 보여드립니다.