检测与定位
使用 2D 边界框和 3D 长方体定位图像、视频与点云中的对象。
MCAP 与 ROS 数据
LiDAR 与点云
多摄像头视频
遥测与轨迹
原生多模态设计
一个同步场景。每一项真值决策。
Physical AI 模型从运动和上下文中学习，而不是孤立帧。Avala 在标注和审核过程中始终对齐摄像头、点云与轨迹数据。
分割
在支持的工作流中，以针对性模型辅助创建图像掩码和点云分割。
跟踪与分类
让跟踪对象与 4D 折线在整个序列中保持一致，再将异常项送入审核。
工作流控制
把质量关卡放进管线。
通过标签架构、任务专项培训、人工审核和逐工作站成本估算，组合可视化条件工作流。在任务支持时加入分类共识或部分空间类型的共识分析。
定义架构与分支逻辑
辅助部分边界框与掩码工作流
将工作送入人工审核
以质检作为数据集交付关卡
版本证据
序列 041 / 版本 014
- 标注员
- operator-27
- 审核状态
- 已接受
- 质检历史
- 06 → 07
可追溯的质量
让证据始终与标签相连。
追踪标注员和审核员归属、接受或拒绝状态以及 3D 轨迹质检历史。启用原生工作流后，还可在标注变化时保留版本和生产者来源。
面向 Physical AI 训练的输出
Physical AI 团队真正交付的几何标注。
探索已支持的检测、分割、几何和序列跟踪工作流，不受通用标注目录的干扰。
检测与定位
定位图像帧和 3D 场景中的对象。
分割
在相机和点云数据中创建类别或对象区域。
场景几何
描绘任务定义的边界与序列几何。
跟踪与分类
在支持的序列中保持对象身份和属性一致。
带来一个代表性场景
扩展之前，先验证真值数据工作流。
我们将与您的团队共同梳理一个传感器样本、验收标准、审核路径和数据集交付。