「AWML」で3Dデータのラベル付けを自動にしてみた
- 公開
- 正式公開 2025-02-26
- 作り手
- TIER IV, Inc.(会社)
- 対応
- Linux(Ubuntu 22.04・Docker)
- 言語
- 英語
- 価格
- 無料(Apache-2.0 ライセンス)
- 評価
- GitHub のスター 92(2026-10-23)
どんなアプリか
AWML は、TIER IV が GitHub で公開している機械学習ライブラリです。オープンソースの自動運転ソフト Autoware へのデプロイを目的にしていて、README では「robotics MLOps」を目指すと説明しています。
We hope that
AWMLpromotes the community between Autoware and ML researchers and engineers.TIER IV, Inc.、GitHub の README(tier4/AWML)
学習には公開データセットのほか、T4dataset 形式のデータも使えます。モデルのデプロイに加えて、自動ラベリング、半自動ラベリング、データマイニングを含む能動学習の仕組みも用意されています。
README によると、いまデプロイできるタスクは4つです。動的な物体を認識するための2D検出と3D検出、信号を認識するための2D詳細検出と2D分類です。
ツールは、3D・2D の検出モデルとセグメンテーションモデルの学習と評価、データセットやモデル性能の分析、3D データの自動ラベリング、Autoware へのデプロイなどに分かれています。
同じ分野のアプリ
| 名前 | 型 | 仕掛け | 対応 | 料金 |
|---|---|---|---|---|
| AWML | 学習・デプロイのパイプライン | Autoware 向けの認識モデルの学習・評価・自動ラベリング・デプロイをまとめて扱う | Linux(Ubuntu 22.04・Docker) | 無料(Apache-2.0) |
| METEOR | マルチタスクモデル | 8台のカメラ映像から12タスクを1つのネットワークで出す | NVIDIA Jetson AGX Orin ほか | 無料(Apache-2.0) |
| drawtonomy | シーン検証 | 走行シーンをブラウザで描いて再生し、PASS / FAIL まで判定する | Web(ブラウザ) | 無料(OSS, Apache-2.0) |
入れる前に
README によると、すべてのツールは Ubuntu 22.04LTS 上の Docker 環境でテストされています。NVIDIA 環境としては CUDA 12.9 と cuDNN 9 を使い、575.xx.xx 以上の NVIDIA デバイスドライバーが必要です。
README の「Get started」に載っているのは、3D 物体検出の学習を始めるチュートリアルです。一方、2D データの自動ラベリングと ROS2 用のラッパーは TBD(未定)と書かれています。
研究で使う場合は、AWML の arXiv 論文と、ファインチューニングの手法についての arXiv 論文を引用するよう求めています。