01
එක් වාර්තා පද්ධතියක්
සංවේදක දත්ත, ලේබල්, ස්කීමා, අනුමැති සහ අපනයන ඒවා නිපදවූ දත්ත කට්ටල අනුවාදයට සම්බන්ධව තබන්න.
සමාගම
Physical AI සඳහා Fleet Learning Infrastructure.
Avala රොබෝ, වාහන සහ ඩ්‍රෝනවල සංවේදක දත්ත මානව + AI සමාලෝචනය, අනුවාදගත දත්ත කට්ටල නිකුතු සහ ඊළඟ චක්‍රය ආරම්භ කරන ආකෘති ප්‍රතිපෝෂණයට සම්බන්ධ කරයි.
එක් සම්බන්ධිත ලූපයක්
ලුහුබැඳිය හැකිසංවේදක දත්ත
MCAP · LiDAR · වීඩියෝ
දත්ත කට්ටල නිකුතු
අනුවාද · පෙළපත · අවසර
ආකෘති ප්‍රතිපෝෂණය
ඇගයීම · drift · නැවත ලේබල් කිරීම
සෑම ආකෘති ප්‍රතිඵලයක්ම දත්ත වෙත ආපසු ලුහුබැඳිය හැක.
ආරම්භකයාගේ කතාව
Avala ආරම්භ වූයේ Tesla Autopilot හි fleet learning සමඟය.
Avala ආරම්භ කිරීමට පෙර, Emal Alwis Tesla හි Autopilot AI කණ්ඩායමට එහි තුන්වන මෘදුකාංග ඉංජිනේරුවා ලෙසත්, fleet learning මත වැඩ කළ පළමු තැනැත්තා ලෙසත් එක් වී Elon Musk වෙත සෘජුව වාර්තා කළේය. ෆ්ලීට් දාර අවස්ථා නිෂ්පාදන පරිමාණයේ ආකෘති වැඩිදියුණු කිරීම් බවට පත් කළ පද්ධති ඔහු ගොඩනැගීය.
එම අත්දැකීම Avala හැඩගැස්වීය: සංවේදක සන්දර්භය, සමාලෝචන තීරණ, දත්ත කට්ටල පෙළපත සහ මොඩල් ප්‍රතිපෝෂණය රැක ගන්නා සම්බන්ධිත චක්‍රයකි. Physical AI කණ්ඩායම්වලට තම යන්ත්‍ර සහ මොඩල් කෙරෙහි අවධානය යොමු කළ හැකි වන පරිදි අපි දත්ත පදනම ගොඩනඟමු.
Emal Alwis
ආරම්භකයා සහ ප්‍රධාන විධායක නිලධාරී
එක් බැල්මකින්
කරුණු පහකින් Avala.
- කාණ්ඩය
- Physical AI සඳහා Fleet learning infrastructure: 4D සැබෑ ලෝක දත්ත සහ ආකෘතිය වැඩිදියුණු කරන චක්‍රය.
- අප ක්‍රියාත්මක කරන දේ
- ෆ්ලීට් එකක තමන්ගේම සංවේදක දත්ත එහි ඊළඟ ආකෘතිය බවට පත් කරන චක්‍රය: 4D ප්‍රතිනිර්මාණය, මිනිස් + AI ලේබල් කිරීම, ගුණාත්මක පාලනය, අනුවාද සහිත නිකුතු සහ පුහුණුවට භාරදීම. ලේබල් කිරීම එම චක්‍රයේ එක් අදියරකි.
- පාරිභෝගිකයන් හිමිකම් දරන දේ
- දත්ත, ලේබල් සහ ආකෘතිය. පාරිභෝගිකයන් තමන්ගේම නල මාර්ගයේ පුහුණු කරයි; සෑම නිකුතුවක්ම පෙරට වඩා හොඳ කරන යටිතල පහසුකම් Avala ක්‍රියාත්මක කරයි.
- ආරම්භය
- 2020, සැන් ෆ්‍රැන්සිස්කෝ. නිර්මාතෘ සහ CEO Emal Alwis Tesla හි Autopilot AI කණ්ඩායමේ තුන්වන මෘදුකාංග ඉංජිනේරුවා සහ fleet learning මත වැඩ කළ පළමු තැනැත්තා විය.
- ආයෝජකයෝ
- Wonder Ventures, MaC Venture Capital, Flybridge Capital සහ Valor Equity Partners.
ඇයි Avala
Physical AI හි දත්තට මතකයක් ඇති විට එය දියුණු වේ.
දත්ත ප්‍රමාණය වැඩි වේ. අමාරුම දේ වන්නේ වැදගත් වූ දත්ත කුමක්ද, වෙනස් වූයේ කුමක්ද, අනුමත කළේ කවුද සහ පුහුණුවට ළඟා වූ නිකුතුව කුමක්ද යන්න දැන ගැනීමයි. Avala එම මෙහෙයුම් ඉතිහාසය රැක ගනී. සෑම යෙදවුමක්ම එහි ආකෘති තවම නොදුටු ව්‍යතිරේක නිපදවයි. ඊළඟ නිකුතුව පෙර නිකුතුවට වඩා හොඳ කරන්නේ එම ඉතිහාසය නොකැඩී තබා ගැනීමයි.
මෙහෙයුම් සාක්ෂිය
න්‍යායෙන් නොව නිෂ්පාදනයේ ගොඩනඟා ඇත.
අපගේ කණ්ඩායම් Avala තුළ සැබෑ සංවේදක-දත්ත කාර්ය ප්‍රවාහ ක්‍රියාත්මක කරයි. එම මෙහෙයුම් ගැඹුර එක්වර බෙදාහැරීම් පෙළක් නොව, ගුණාත්මක දොරටු, දත්ත කට්ටල අනුවාද සහ ප්‍රතිපෝෂණ ලූප ලෙස නැවත භාවිත කළ හැකි මෘදුකාංග බවට පත් වේ.
අප යන දිශාව
අන් අයගේ බුද්ධියේ කුලී නිවැසියන් නොව, තමන්ගේම බුද්ධියේ හිමිකරුවන්.
2028 වන විට Avala යනු, භෞතික ලෝකයේ යන්ත්‍ර මෙහෙයවන ඕනෑම ආයතනයක් දත්ත, ආකෘති සහ යෙදවීම තමන්ගේම පාලනය යටතේ තබාගෙන, තමන්ගේම අත්දැකීම් තමන්ගේම බුද්ධිය බවට පත් කරගන්නා විවෘත යටිතල පහසුකම්ය; එවිට සෑම කෙනෙකුටම අන් අයගේ බුද්ධියේ කුලී නිවැසියෙකු නොව තමන්ගේම බුද්ධියේ හිමිකරුවෙකු විය හැකිය. එය ආරම්භ වන්නේ අප අද ක්‍රියාත්මක කරන චක්‍රයෙනි: එක් කාර්ය ප්‍රවාහයක් නැවත නැවත කළ හැකි කිරීම, එහි ඉතිහාසය තවත් ආකෘති සහ කණ්ඩායම් වෙත රැගෙන යාම, සහ සෑම යන්ත්‍ර සමූහයකටම තමන්ගේම අත්දැකීම්වලින් ඉගෙන ගැනීමට උපකාර කිරීම.
අපගේ දැක්ම කියවන්නගෝලීය මෙහෙයුම්
පද්ධතියට සම්බන්ධ විශේෂඥ විනිශ්චය.
මහාද්වීප පහක පුහුණු ජාලයක් ආකෘතිවලට නොහැකි අවස්ථා හසුරුවන අතර සෑම තීරණයක්ම දත්ත කට්ටල නිකුතුවට සම්බන්ධව පවතී.
මෙහෙයුම් ජාලය
මහාද්වීප 5Avala
උතුරු ඇමරිකාව
දකුණු ඇමරිකාව
අප්‍රිකාව
යුරෝපය
ආසියාව
මානව තීරණ ස්වයංක්‍රීයකරණය සමඟ එකම පාලිත කාර්ය ප්‍රවාහය තුළ පවතී.
අප ගොඩනඟන ආකාරය
දිගුකාලීන යටිතල පහසුකම් සඳහා මූලධර්ම.
වේදිකාව නිවැරදි මෙහෙයුම් හැසිරීම පහසු කළ යුතුය: එක් වාර්තාවක්, දෘශ්‍ය සාක්ෂි සහ ප්‍රතිඵලය වෙනස් වන තැන මානව විනිශ්චය.
02
සෑම පරීක්ෂණයකම සාක්ෂි
පුහුණුවට ළඟා වූ දේ කණ්ඩායම්වලට නැවත නිර්මාණය කළ හැකි පරිදි සමාලෝචන තීරණ, ගුණාත්මක සංඥා සහ නිකුතු ඉතිහාසය දෘශ්‍යමාන කරන්න.
03
විනිශ්චය වැදගත් තැන මිනිසුන්
වේගය සඳහා ස්වයංක්‍රීයකරණය භාවිත කරන්න. අපැහැදිලි, ආරක්ෂාවට තීරණාත්මක සහ ක්ෂේත්‍ර-විශේෂිත අවස්ථා, නිකුතු අතර සන්දර්භය රඳවා ගන්නා පුහුණු සමාලෝචකයන් වෙත යොමු කරන්න.
දිගුකාලීන හවුල්කරුවන්
අපගේ මූලික ආකල්ප බෙදාගන්නා හවුල්කරුවන්ගේ සහාය
අප සමඟ ගොඩනඟන්න
Physical AI රඳා සිටින යටිතල පහසුකම ගොඩනඟන්න.
භෞතික ලෝකයෙන් ඉගෙන ගන්නා රොබෝ, වාහන සහ වෙනත් යන්ත්‍ර සඳහා දත්ත පද්ධති, ආකෘති මෙහෙයුම් සහ මිනිසුන්-මූලික ක්‍රියාත්මක කිරීම හරහා වැඩ කරන කණ්ඩායමකට එක්වන්න.
එක් කාර්ය ප්‍රවාහයකින් ආරම්භ කරන්න