기존 훈련 데이터 세트에 포함되지 않은 요소를 포함하도록 ODD를 확장하세요. 합성 데이터를 활용하여 데이터 희소성 문제나 클래스 불균형을 타겟팅하여 엣지 케이스를 해결하세요.

합성 데이터로 ML 모델을 훈련하여 롱테일 사례에 대한 성능을 최대 3배까지 향상하세요.

실제 데이터를 합성 데이터 세트로 보강하여 테스트 및 프로덕션에서 장애가 발생할 때 새로운 학습 데이터 세트를 수집하고 레이블을 지정하는 데 드는 시간과 비용을 줄이세요.

검증된 하드웨어별 센서 모델로 생성된 물리적으로 정확한 합성 데이터

업계 표준 형식의 오류 없는 실측 데이터 라벨

센서 및 머티리얼 동작을 조정하는 파라미터와 합성 특유의 특징을 제거하는 도메인 적응을 통해 시뮬레이션과 실제 도메인 간의 격차를 완화합니다.

주차 구역 표시, 재료, 차량, VRU 및 기타 ODD 요소의 수천 가지 변형이 있는 주차 구조를 절차적으로 생성합니다.

환경, 날씨, 조명과 같은 모든 씬 컴포넌트에 대한 분포를 직접 정의하여 다양성을 극대화하고 특정 에지 케이스를 타겟팅

미국, 캐나다, 유럽, 일본, 중국, 한국 등의 지역을 지원