Pegasus 1.6 de TwelveLabs proporciona inteligencia de video para IA física, transformando metraje en primera persona y de robótica en datos estructurados y listos para entrenamiento mediante segmentación de acciones, subtitulado denso, puntuación de calidad y señalización de cumplimiento.
Qué hace el producto y cómo se presenta oficialmente
Pegasus 1.6 de TwelveLabs es una solución de inteligencia de video diseñada para convertir grabaciones en primera persona y de robótica en datos estructurados y listos para el entrenamiento en flujos de IA física.
La plataforma permite a los equipos segmentar acciones, generar descripciones densas del contexto de la escena, puntuar la calidad visual, buscar en bibliotecas mediante lenguaje natural y marcar datos personales sensibles antes de la revisión o el procesamiento posterior.
Casos de uso respaldados por fuentes oficiales
Los laboratorios de robótica pueden transformar metraje sin procesar en primera persona y de robots en conjuntos de datos de entrenamiento estructurados con acciones temporalizadas y descripciones de interacciones.
Los proveedores comerciales de datos pueden estandarizar esquemas de entrega, calificar la calidad de los clips y verificar requisitos de consentimiento antes de la entrega al comprador.
Los equipos de IA física pueden consultar extensos archivos de video mediante lenguaje natural para descubrir anomalías de cola larga, eventos poco comunes y escenas duplicadas.
El proceso documentado, cuando está disponible
Identifique momentos valiosos y filtre el metraje sin procesar según los requisitos de tareas específicas antes de enviarlo a etapas posteriores.
Compruebe el metraje frente a criterios conductuales, visuales y de privacidad, evaluando estabilidad, encuadre, oclusión y presencia de PII.
Genere salidas JSON estructuradas con marcas de tiempo que los equipos puedan revisar, filtrar e incorporar directamente en flujos de aprendizaje automático.
La plataforma convierte metraje egocéntrico y de robots sin procesar en datos estructurados alineados con estructuras de tareas personalizadas. Identifica pasos discretos con marcas de tiempo que se pueden mapear a listas de verbos y jerarquías de acciones proporcionadas por el usuario.
Para políticas robóticas condicionadas por lenguaje, el sistema genera descripciones en lenguaje natural que detallan interacciones entre manos y objetos, relaciones espaciales y dinámicas contextuales de la escena sin necesidad de ensamblar herramientas independientes de transcripción o encuadre.
Para mantener grabaciones de baja calidad fuera de los flujos de entrenamiento de modelos, la solución evalúa la estabilidad del metraje, el encuadre, la oclusión visual y la claridad de la acción mediante indicaciones de calidad configurables.
El proceso de detección también incorpora comprobaciones automáticas de cumplimiento que localizan menores e información de identificación personal, incluidos rostros, matrículas, credenciales y documentos, antes de la entrega.
Comprobaciones con tus propios materiales y flujo de trabajo
Qué fuentes se revisaron y cuándo
Respuestas basadas en el registro de producto con fuentes verificadas
La plataforma procesa video egocéntrico en primera persona y grabaciones de robots para preparar datos de entrenamiento destinados a flujos de trabajo de IA física.
Sí, los equipos pueden incorporar sus propias listas de verbos, jerarquías de acciones y requisitos de granularidad para asignar las acciones detectadas en el video.
El sistema califica el metraje en función de la estabilidad del clip, el encuadre, la oclusión visual y la claridad de la acción antes de la revisión manual.
La plataforma señala información de identificación personal como rostros, matrículas, documentos y credenciales, así como la presencia de menores de edad.
Las salidas se entregan como registros JSON estructurados con marcas de tiempo, accesibles mediante una API oficial y un SDK con gestión asíncrona de tareas.
