Pegasus 1.6 от TwelveLabs предоставляет видеоаналитику для физического ИИ, преобразуя видеозаписи от первого лица и робототехники в структурированные данные для обучения с помощью сегментации действий, детальных описаний, оценки качества и маркировки соответствия.
Назначение продукта и его официальное позиционирование
Pegasus 1.6 от TwelveLabs — это решение в области видеоаналитики, разработанное для преобразования видеозаписей от первого лица и роботов в структурированные данные, готовые для обучения физического ИИ.
Платформа позволяет командам сегментировать действия, создавать детальные описания контекста сцены, оценивать визуальное качество, искать материалы на естественном языке и маркировать конфиденциальные данные перед проверкой или дальнейшей обработкой.
Сценарии, подтверждённые официальными источниками
Лаборатории робототехники могут преобразовывать необработанные записи от первого лица и роботов в структурированные датасеты с действиями по таймкодам и описаниями взаимодействий.
Коммерческие поставщики данных могут стандартизировать схемы передачи, оценивать качество клипов и проверять соблюдение требований к согласиям перед отправкой заказчику.
Команды физического ИИ могут выполнять запросы к обширным видеоархивам на естественном языке, чтобы находить аномалии из длинного хвоста, редкие события и повторяющиеся сцены.
Описанный в документации процесс, если он доступен
Выявление ценных моментов и фильтрация необработанных видеоматериалов в соответствии с требованиями конкретной задачи перед дальнейшей обработкой.
Проверка видеозаписей на соответствие поведенческим, визуальным и конфиденциальным критериям, включая стабильность, кадрирование, перекрытие и наличие персональных данных.
Получение структурированных JSON-ответов с временными метками, которые команды могут проверять, фильтровать и напрямую передавать в процессы машинного обучения.
Платформа преобразует необработанные видеозаписи от первого лица и роботов в структурированные данные, согласованные с пользовательскими структурами задач. Она определяет дискретные шаги с временными метками, которые можно сопоставить с предоставленными списками глаголов и иерархиями действий.
Для роботизированных политик с языковым управлением система генерирует описания на естественном языке, детально отображающие взаимодействия рук с объектами, пространственные отношения и динамику контекста сцены без необходимости компоновать отдельные инструменты транскрипции или кадрирования.
Чтобы исключить некачественные записи из пайплайнов моделей, решение оценивает стабильность видео, кадрирование, визуальное перекрытие и четкость действий с помощью настраиваемых промптов качества.
Процесс скрининга также включает автоматические проверки на соблюдение нормативных требований: система выявляет несовершеннолетних и персональные данные, включая лица, номерные знаки, бейджи и документы, до передачи данных.
Проверки на собственных материалах и рабочих процессах
Какие источники и когда были проверены
Ответы на основе карточки продукта с проверенными источниками
Платформа обрабатывает эгоцентрические видео от первого лица и записи роботов для подготовки обучающих данных в пайплайнах физического ИИ.
Да, команды могут подключать собственные списки глаголов, иерархии действий и требования к гранулярности для сопоставления распознанных видеодействий.
Система оценивает видеоматериалы по стабильности клипа, кадрированию, визуальному перекрытию и четкости действий перед ручной проверкой.
Платформа отмечает персональные данные, такие как лица, номерные знаки, документы и бейджи, а также присутствие несовершеннолетних.
Результаты передаются в виде структурированных записей JSON с временными метками, доступных через официальный API и SDK с поддержкой асинхронной обработки задач.
