感知
为目标检测、分割和跟踪模型开发准备摄像头与点云真值。
摄像头
LiDAR
雷达
IMU 与遥测
一个运营闭环
道路事件只是起点。
用可追溯路径取代割裂交接，从多模态采集一直连接到下一次数据集发布。
- 01
摄取同步会话
将 MCAP、视频、点云和遥测作为同步会话摄取，同时保留源上下文。
- 02
策展真正重要的场景
检索并切分会话，找出下一训练周期所需的边缘案例、环境和行为。
- 03
构建可辩护的真值
将模型辅助与人工 2D、3D、4D 审核结合，并应用每次发布所需的质量门禁。
- 04
发布版本化数据集
冻结清单内容与来源记录，附加已声明的权利元数据，再发布由加载器解析的不可变修订，供下游训练与评估使用。
持久的数据集身份
让自动驾驶技术栈可复现的数据集版本。
把每个训练集作为受治理的制品，而不是一次性交付的文件夹。Avala 发布不可变清单、可解析修订、来源记录和已声明的权利元数据。
- 易读的数据集引用与不可变的规范修订
- 清单哈希、对象数量、总大小和来源记录
- 修订所附的已声明权利文档与访问条款
- 加载器返回的已发布状态与修订标识
数据集发布清单
已版本化- 数据集
- autonomy/urban-night
- 发布版本
- v24
- 来源记录
- primary / avala · calibration / avala
- 已声明权利
- 已附加
- 修订状态
- 已发布
autonomy/urban-night@v24为汽车 AI 打造
覆盖整个自动驾驶项目的一套数据系统。
让感知、传感器融合、车内智能和地图任务共享同一数据集身份与发布规范。
传感器融合
团队跨传感器流检查同一事件时，保留时间戳与标定上下文。
车内智能
按明确审核标准组织视觉和遥测数据，用于乘员与驾驶员状态模型开发。
制图与定位
为空间制图、定位、道路理解与变化检测工作流策展空间数据。
从真实项目开始
梳理最棘手的汽车数据闭环。
带上一个真实数据流、一个发布门禁及其所需连接的技术栈。我们将展示 Avala 如何在不破坏数据血缘的前提下将其投入运营。