説明
Rerunは、物理AIおよびロボティクスの複雑な要件に対応するために設計された包括的なデータレイヤーを提供します。その中核的な目的は、データループの構築、理解、および強化に必要な基本的なデータプリミティブを提供することです。このプラットフォームは、マルチレートおよびマルチモーダルデータを管理するように設計されており、最初の記録からペタバイト級のデータセットまでシームレスにスケーリングします。
Rerunの機能は、データパイプライン全体を網羅しています。あらゆるものの可視化に優れており、ユーザーはデータセットを確認し、複雑な問題をデバッグし、カスタムビューやツールで機能を拡張できます。データ分析においては、Rerunはあらゆるロボティクスデータに対する完全なデータフレームまたはSQLクエリをサポートし、記録への詳細なドリルダウンを可能にします。また、このプラットフォームはデータのコピーを作成することなくデータ変換を容易にし、履歴データの整合性を損なうことなくスキーマの進化や派生列の追加を可能にします。
重要な差別化要因は、Rerunが記録データ上で直接AIモデルのトレーニングをサポートしていることです。ユーザーはデータセットのミックスをクエリとして表現し、GPUにデータをストリーミングして、列を意識したビデオコーデックを意識したデータローダーを活用できます。これにより、個別のエクスポートステップが不要になり、機械学習ワークフローが効率化されます。さらに、Rerunは全員が同じデータから作業できるようにすることでコラボレーションを促進し、単一のビューアとチーム間でアクセス可能な共有記録を提供します。
Rerun Hubインフラストラクチャは、このデータループを支え、オブジェクトストアからのデータのカタログ化、インデックス作成、取得のためのプロダクションバックエンドとして機能します。これにより、生データをクエリ可能でストリーミング可能な基盤に変え、エッジまたはデータに近い場所での変換を可能にします。このプラットフォームはオープンソースであり、Rerunチームはeguiやgfx-rsなどの関連オープンソースプロジェクトに積極的に貢献しています。
Rerunは、ロボティクス、コンピュータビジョン、AI開発の研究者やエンジニアにとって特に価値があります。可視化、クエリ、変換、トレーニングのための統一されたソリューションを提供し、開発サイクルを大幅に加速させ、複雑な物理AIシステムのデバッグプロセスを改善します。Python、C++、Rust間の容易な統合は、幅広いプロジェクトにとって汎用性の高いツールとなります。
Rerunの主要機能
データループの構築と理解のためのデータプリミティブ
マルチレートおよびマルチモーダルデータのサポート
初期記録から大規模データセットまでスケーラブル
データセットの包括的な可視化
詳細な問題分析のためのデバッグツール
カスタムビューとツールによる拡張性
完全なデータフレームおよびSQLクエリ機能
データコピーなしのデータ変換
履歴を壊さずにスキーマ進化をサポート
記録データ上での直接的なモデルトレーニング
列を意識したビデオコーデックを意識したデータローダー
チームコラボレーションのための共有データアクセス
活発なコミュニティ貢献によるオープンソース
Python、C++、Rust SDKを提供
Rerunの使い方は？
開始方法: C++、Python、またはRustのクイックスタートガイドに従ってください。
データ記録: RerunロギングSDKを使用して、マルチレート・マルチモーダルデータを記録します。
可視化: Rerunビューアを開いて、データを探索、デバッグ、注釈付けします。
データクエリ: SQLまたはデータフレームクエリを使用して記録を分析します。
データ変換: コピーを作成せずにデータを洗練し、スキーマを進化させます。
モデルトレーニング: トレーニングのために、記録から直接GPUにデータをストリーミングします。
洞察の共有: 共有記録とRerunビューアを使用して、チームと協力します。
Rerunの使用例
- ロボティクスデータ可視化
- AIモデルトレーニング
- データループの改善
- マルチモーダルデータ分析
- リアルタイムデバッグ
- 共同開発
- コンピュータビジョンワークフロー
- 物理AI研究
