설명
Rerun은 물리 AI 및 로봇 공학의 복잡성을 위해 설계된 포괄적인 데이터 레이어를 제공합니다. 핵심 목적은 데이터 루프를 구축, 이해 및 개선하는 데 필요한 필수 데이터 기본 요소를 제공하는 것입니다. 이 플랫폼은 멀티 레이트 및 멀티모달 데이터를 관리하도록 설계되었으며, 초기 녹화부터 페타바이트 규모의 데이터셋까지 원활하게 확장됩니다.
더 읽기
Rerun의 기능은 전체 데이터 파이프라인에 걸쳐 있습니다. 모든 것을 시각화하는 데 뛰어나 사용자가 데이터셋을 검토하고, 복잡한 문제를 디버그하고, 사용자 지정 보기 및 도구로 기능을 확장할 수 있습니다. 데이터 분석을 위해 Rerun은 모든 로봇 공학 데이터에 대한 전체 데이터프레임 또는 SQL 쿼리를 지원하여 녹화 데이터를 심층적으로 분석할 수 있습니다. 또한 이 플랫폼은 복사본 없이 데이터 변환을 용이하게 하여 스키마 진화 및 파생 열 추가를 데이터 무결성을 손상시키지 않고 수행할 수 있습니다.
주요 차별점은 Rerun이 녹화 데이터에서 직접 AI 모델을 학습할 수 있다는 것입니다. 사용자는 데이터셋 혼합을 쿼리로 표현하고 GPU로 데이터를 스트리밍하여 열 인식 및 비디오 코덱 인식 데이터 로더를 활용할 수 있습니다. 이를 통해 별도의 내보내기 단계가 필요 없어 기계 학습 워크플로우가 간소화됩니다. 또한 Rerun은 모든 사람이 동일한 데이터에서 작업하고, 단일 뷰어와 팀 전체에서 액세스 가능한 공유 녹화 데이터를 통해 협업을 촉진합니다.
Rerun Hub 인프라는 이 데이터 루프를 지원하며, 객체 저장소에서 데이터를 카탈로그화, 인덱싱 및 검색하기 위한 프로덕션 백엔드 역할을 합니다. 이는 원시 스토리지를 쿼리 가능하고 스트리밍 가능한 기반으로 변환하여 엣지 또는 데이터 근처 변환을 가능하게 합니다. 이 플랫폼은 오픈 소스이며, Rerun 팀은 egui 및 gfx-rs와 같은 관련 오픈 소스 프로젝트에 적극적으로 기여하고 있습니다.
Rerun은 로봇 공학, 컴퓨터 비전 및 AI 개발 분야의 연구원 및 엔지니어에게 특히 가치가 있습니다. 시각화, 쿼리, 변환 및 학습을 위한 통합 솔루션을 제공하여 개발 주기를 크게 단축하고 복잡한 물리 AI 시스템의 디버깅 프로세스를 개선합니다. Python, C++ 및 Rust 전반에 걸친 쉬운 통합은 다양한 프로젝트에 대한 다목적 도구입니다.
- 카테고리MLOps 및 모델 배포
- 요금제오픈 소스
- 배포클라우드, 온프레미스
- 플랫폼웹
Rerun의 핵심 기능
데이터 루프 구축 및 이해를 위한 데이터 기본 요소
멀티 레이트 및 멀티모달 데이터 지원
초기 녹화부터 대규모 데이터셋까지 확장 가능
데이터셋의 포괄적인 시각화
상세한 문제 분석을 위한 디버깅 도구
사용자 지정 보기 및 도구로 확장 가능
전체 데이터프레임 및 SQL 쿼리 기능
데이터 복사 없이 데이터 변환
기록을 중단하지 않는 스키마 진화 지원
녹화 데이터에서 직접 모델 학습
열 인식 및 비디오 코덱 인식 데이터 로더
팀 협업을 위한 공유 데이터 액세스
활발한 커뮤니티 기여를 통한 오픈 소스
Python, C++, Rust SDK 사용 가능
Rerun 사용 방법은?
시작하기: C++, Python 또는 Rust에 대한 빠른 시작 가이드를 따르세요.
데이터 로깅: Rerun 로깅 SDK를 사용하여 멀티 레이트, 멀티모달 데이터를 기록하세요.
시각화: Rerun 뷰어를 열어 데이터를 탐색, 디버그 및 주석을 달아보세요.
데이터 쿼리: SQL 또는 데이터프레임 쿼리를 사용하여 녹화 데이터를 분석하세요.
데이터 변환: 복사본을 만들지 않고 데이터를 다듬고 스키마를 진화시키세요.
모델 학습: 녹화 데이터에서 GPU로 직접 데이터를 스트리밍하여 학습하세요.
인사이트 공유: 공유 녹화 데이터와 Rerun 뷰어를 사용하여 팀과 협업하세요.
Rerun의 사용 사례
- 로봇 공학 데이터 시각화
- AI 모델 학습
- 데이터 루프 개선
- 멀티모달 데이터 분석
- 실시간 디버깅
- 협업 개발
- 컴퓨터 비전 워크플로우
- 물리 AI 연구
