Description
Rerun propose une couche de données complète conçue pour les complexités de l'IA physique et de la robotique. Son objectif principal est de fournir les primitives de données essentielles nécessaires pour construire, comprendre et améliorer votre boucle de données. Cette plateforme est conçue pour gérer des données multi-taux et multimodales, évoluant de manière transparente depuis le tout premier enregistrement jusqu'à des ensembles de données de niveau pétaoctet.
Lire la suite
Les capacités de Rerun couvrent l'ensemble du pipeline de données. Il excelle dans la visualisation de tout, permettant aux utilisateurs de revoir les ensembles de données, de déboguer des problèmes complexes et d'étendre les fonctionnalités avec des vues et des outils personnalisés. Pour l'analyse des données, Rerun prend en charge les requêtes complètes de dataframe ou SQL sur toutes les données de robotique, permettant des analyses approfondies des enregistrements. La plateforme facilite également la transformation des données sans nécessiter de copies, permettant l'évolution des schémas et l'ajout de colonnes dérivées sans compromettre l'intégrité des données historiques.
Un différenciateur clé est la prise en charge par Rerun de l'entraînement de modèles d'IA directement sur les enregistrements. Les utilisateurs peuvent exprimer des mélanges d'ensembles de données sous forme de requêtes et diffuser des données vers des GPU, en utilisant des chargeurs de données conscients des colonnes et des codecs vidéo. Cela élimine le besoin d'une étape d'exportation distincte, rationalisant le flux de travail d'apprentissage automatique. De plus, Rerun favorise la collaboration en garantissant que tout le monde travaille à partir des mêmes données, avec un visualiseur unique et des enregistrements partagés accessibles à travers les équipes.
L'infrastructure Rerun Hub alimente cette boucle de données, agissant comme un backend de production pour la catalogage, l'indexation et la récupération de données à partir de stockages d'objets. Cela transforme le stockage brut en une base consultable et diffusable, permettant des transformations en périphérie ou à proximité des données. La plateforme est open-source, l'équipe Rerun contribuant activement à des projets open-source connexes tels que egui et gfx-rs.
Rerun est particulièrement précieux pour les chercheurs et les ingénieurs en robotique, en vision par ordinateur et en développement d'IA. Il fournit une solution unifiée pour la visualisation, l'interrogation, la transformation et l'entraînement, accélérant considérablement les cycles de développement et améliorant le processus de débogage pour les systèmes d'IA physique complexes. Sa facilité d'intégration entre Python, C++ et Rust en fait un outil polyvalent pour un large éventail de projets.
- CatégorieMLOps et déploiement de modèles
- Modèle tarifaireOpen Source
- DéploiementCloud, Sur site
- PlateformesWeb
Fonctionnalités principales de Rerun
Primitives de données pour construire et comprendre les boucles de données
Prise en charge des données multi-taux et multimodales
Évolutif de l'enregistrement initial aux ensembles de données massifs
Visualisation complète des ensembles de données
Outils de débogage pour une analyse détaillée des problèmes
Extensible avec des vues et des outils personnalisés
Capacités complètes de requêtes SQL et de dataframe
Transformation des données sans copie de données
Prise en charge de l'évolution des schémas sans casser l'historique
Entraînement direct de modèles sur les enregistrements
Chargeurs de données conscients des colonnes et des codecs vidéo
Accès aux données partagé pour la collaboration d'équipe
Open-source avec des contributions actives de la communauté
SDK Python, C++ et Rust disponibles
Comment utiliser Rerun ?
Démarrage : Suivez les guides de démarrage rapide pour C++, Python ou Rust.
Enregistrement des données : Utilisez le SDK d'enregistrement Rerun pour enregistrer des données multi-taux et multimodales.
Visualisation : Ouvrez le visualiseur Rerun pour explorer, déboguer et annoter vos données.
Interrogation des données : Utilisez des requêtes SQL ou de dataframe pour analyser les enregistrements.
Transformation des données : Affinez vos données et faites évoluer les schémas sans créer de copies.
Entraînement des modèles : Diffusez les données directement depuis les enregistrements vers vos GPU pour l'entraînement.
Partage des insights : Collaborez avec votre équipe en utilisant des enregistrements partagés et le visualiseur Rerun.
Cas d'utilisation de Rerun
- Visualisation de données robotiques
- Entraînement de modèles IA
- Amélioration de la boucle de données
- Analyse de données multimodales
- Débogage en temps réel
- Développement collaboratif
- Flux de travail de vision par ordinateur
- Recherche en IA physique
