Studio
KPI evaluation
that powers AIR4D (AFI920).
수집된 모든 데이터셋 위에서 sensor 성능 KPI가 자동으로 계산되고 분석됩니다. AIR4D의 다음 버전을 빠르고 일관되게 개선하는 검증 backbone이며, 동일한 인프라는 고객 맞춤 협업과 전략적 파트너십으로 확장할 수 있는 scalable 구조입니다.
01 — Workflow
From collection to dashboard — end-to-end.
데이터 수집부터 KPI dashboard까지, 모든 단계가 자동화·표준화되어 재현 가능한 방식으로 운영됩니다.
Data Collection
RIDE 차량 실차 주행 + multi-sensor capture (상세는 Drive 페이지 참조)
Data Refinement
capture → sync → calibration → format → meta · GT → QA
Dataset Publish
데이터셋 완성 · Dataset DB 업데이트
Data View
완성된 데이터셋을 3D Viewer로 탐색 (Scene · Clip · Frame 단위)
Discovery & Custom Scenario
ODD · 메타 정보 기반 검색·탐색·필터 → 시나리오 셋 업데이트 또는 custom 데이터셋 구성
Scenario Dashboard
시나리오 관리 대시보드 — ODD · 시나리오별 데이터 분포와 custom 데이터셋 구성 현황
KPI Auto-Evaluation
AIR4D point cloud · tracking 등 sensor 성능 KPI 자동 계산
KPI Result Analysis
시나리오 · Clip · Frame · Object 단위 상세 분석 · 회귀 비교 · drift 감지
KPI Dashboard
KPI 관리 대시보드 — 시나리오별 KPI 종합 지표 · AIR4D 버전별 점수 추이 · 회귀 추세 모니터링
02 — Features
Four capabilities, working together.
Studio는 데이터셋을 탐색하고, sensor 성능을 정량 평가하고, 시나리오를 큐레이션하고, 전체 추세를 모니터링하는 네 가지 capability로 구성됩니다.
Dataset 3D Viewer
Clip · Frame 단위 데이터를 풍부한 메타 정보와 함께 3D Viewer로 탐색. Radar · LiDAR · Camera · GT overlay 동기 재생.
KPI Auto-Evaluation
AIR4D의 point cloud · tracking KPI를 자동 계산하고 시나리오 · Clip · Frame · Object 단위로 분석.
Discovery & Scenario Curation
ODD · 메타 정보 기반 검색·필터로 원하는 데이터를 찾아 custom 데이터셋을 구성하고, 시나리오별 데이터 분포를 대시보드로 관리.
KPI Dashboard
시나리오별 KPI 종합 지표 · AIR4D 버전별 KPI 점수 추이 · 회귀 추세를 한 화면에서 모니터링.
03 — Data Viewer
Explore every frame, every sensor stream.
데이터셋의 Clip · Frame 단위를 3D Viewer로 직접 탐색합니다. Radar · LiDAR · Camera · GT overlay를 동기 재생하며 풍부한 메타 정보를 함께 확인합니다.
Highlights
- Scene meta — 수집일 · 차량 · ODD · 시작·종료 · 프레임 수
- 센서별 viewer — Camera 프레임 · LiDAR PCD 3D · Radar scan/track
- Scan timeline — timestamp matching · gap 시각화
- Perception overlay — object · lane · structure · INS · freespace
- 4D Radar 고급 분석 — Range-Doppler heatmap · beam/NCI heatmap
04 — KPI Analyzer
Quantify radar performance, end-to-end.
AIR4D의 sensor 성능 KPI를 시나리오 · Clip · Frame · Object 단위로 자동 계산하고 상세 분석합니다.
Highlights
- Object detection · tracking · BEV(bird's-eye-view) 정확도 KPI
- Recall · N_obj · Doppler MAE · Range MAE · scan 단위 Pass/Fail
- 회귀 비교 · drift 감지 · weak subdomain 표시
- SUT(sensor-under-test)와 RIDE 데이터셋 Ground Truth 간 비교 분석
05 — Discovery
Search the dataset, curate your own.
ODD · 메타 정보 기반 검색·필터로 원하는 데이터를 찾아 custom 데이터셋을 구성하고, 시나리오별 데이터 분포를 대시보드로 관리합니다.
Highlights
- ODD · 메타 정보(날씨 · 시간대 · 도로 유형 · 객체) 기반 다중 필터 검색
- Clip · Frame 단위 검색 결과 미리보기 · 3D Viewer 즉시 연동
- custom 데이터셋(시나리오 셋) 구성 · 저장 · 내보내기
- 시나리오별 데이터 분포 · ODD 커버리지 매트릭스 시각화
- 부족 시나리오(gap) 식별 → 추가 수집 요청 연계
06 — KPI Dashboard
Track KPI trends across every AIR4D version.
시나리오별 KPI 종합 지표와 AIR4D 버전별 점수 추이를 한 화면에서 모니터링하고, 회귀와 drift를 추적합니다.
Highlights
- 시나리오별 KPI 종합 점수 — object · tracking · BEV
- AIR4D 버전별 KPI 점수 추이 (version-over-version)
- 회귀(regression) 추세 · drift 알림
- ODD · 시나리오별 weak subdomain 히트맵
- 버전 비교 · 릴리즈 게이트 지표
07 — Collaboration
Where we collaborate.
RIDE 데이터셋과 Studio KPI 인프라를 활용한 협업·파트너십. 대표적인 협업 형태는 다음과 같으며, 그 외에도 needs가 있다면 함께 검토합니다.
AIR4D Performance Tuning
고객이 운영하는 환경·시나리오에서 AIR4D가 최적 성능을 내도록 소프트웨어 최적화와 configuration을 지원합니다 — 지역 localization 포함. RIDE 데이터셋과 Studio KPI 평가가 검증 backbone이 됩니다.
Edge Case Curation
고객이 필요로 하는 edge case 시나리오를 빠르게 큐레이션해 제공합니다. 부족할 경우 RIDE 차량으로 추가 수집해 맞춤 데이터 패키지로 공급합니다.
Sensor Model Fidelity 검증
시뮬레이션 도구 운영사에 실측 RIDE 데이터셋을 제공해 sensor model의 fidelity를 검증하고, 시뮬 기반 평가 기능 고도화를 지원합니다.
Custom KPI Development
고객의 perception stack과 평가 요구에 맞춘 KPI 지표를 정의하고 자동화합니다. RIDE 데이터셋과 Studio의 KPI 인프라 위에서 구축됩니다.