
汎用圧縮コーデックの性能はベンチマークデータで測定した値のため、実データでは性能に差が生じるのは避けられません。
お客様の車両で期待どおりの性能が出る保証はありません。
パートリッジシステムズは、お客様の車両のカメラとLiDARのデータに合わせて可逆圧縮コーデックを最適化し、
実データで性能を測定し、展開したすべてのファイルの完全性を保証します。
高帯域センサーデータをリアルタイムに処理する
お客様データに合わせた可逆圧縮パイプライン。
엣지에서 생성된 센서 데이터는 수집과 함께 동기화,
객체 탐지, 환경 정보 보강을 통해 기초 품질을 확보합니다.
클라우드 전송 후에는 임베딩, 캡셔닝, 라벨링 등
큐레이션을 통해 Physical AI 개발 데이터로 거듭납니다.
이어서 탐색, 모델 성능 평가, 리포트 생성 작업이
자연어 인터페이스를 통해 직관적으로 지원됩니다.
데이터 엔진 자동화를
실현하는 AI 모델 체인.
센서 데이터를 Physical AI 데이터로,
Databahn AI는 Databahn Core 기반으로 Physical AI
데이터 지능화 레이어를 구축하고 파이프라인 구성 모델들을 손쉽게 최적화 또는 변경할 수 있도록 합니다.
実際の顧客車両とデータシステムにおいて、
カメラとLiDARのデータで測定した
可逆圧縮コーデックの性能実績です。
LiDARデータは約5倍、Post-ISPカメラは4〜5倍、Pre-ISPカメラは約2倍の圧縮率を達成しました。
カメラストリームの圧縮速度は収録速度を上回り、車両内でのリアルタイム処理に十分でした。
チャート最下段の空欄は、これからのお客様と共に挑むデータ圧縮のフロンティアです。共に生み出す成果を心から楽しみにしています。
現代戦の無人システムにおける
構造的ボトルネック。
パートリッジシステムズ(Partridge Systems)は、物理環境と状況を読み解くAIデータ基盤を開発しています。
人手では捉えにくい構造や細部を抽出し、データ品質を高めます。
フィールドエンジニアが現場で、既存ツールへの統合から性能検証まで支援します。
パートリッジシステムズ(Partridge Systems)は、物理環境と状況を読み解くAIデータ基盤を開発しています。
人手では捉えにくい構造や細部を抽出し、データ品質を高めます。
フィールドエンジニアが現場で、既存ツールへの統合から性能検証まで支援します。
(RTX 5090X2, 64GB VRAM)
DATABAHN AI Workstation

パートリッジシステムズ(Partridge Systems)は、物理環境と状況を読み解くAIデータ基盤を開発しています。
人手では捉えにくい構造や細部を抽出し、データ品質を高めます。
フィールドエンジニアが現場で、既存ツールへの統合から性能検証まで支援します。
FAB 통합 운영망
SEMI 표준 연계
MES / EAP
E10 / E30 / E94 / E116
Cloud Platform
확장 단계
パートリッジシステムズ(Partridge Systems)は、物理環境と状況を読み解くAIデータ基盤を開発しています。
人手では捉えにくい構造や細部を抽出し、データ品質を高めます。
フィールドエンジニアが現場で、既存ツールへの統合から性能検証まで支援します。
パートリッジシステムズ(Partridge Systems)は、物理環境と状況を読み解くAIデータ基盤を開発しています。
人手では捉えにくい構造や細部を抽出し、データ品質を高めます。
フィールドエンジニアが現場で、既存ツールへの統合から性能検証まで支援します。

パートリッジシステムズ(Partridge Systems)は、物理環境と状況を読み解くAIデータ基盤を開発しています。
人手では捉えにくい構造や細部を抽出し、データ品質を高めます。
フィールドエンジニアが現場で、既存ツールへの統合から性能検証まで支援します。
パートリッジシステムズ(Partridge Systems)は、物理環境と状況を読み解くAIデータ基盤を開発しています。
人手では捉えにくい構造や細部を抽出し、データ品質を高めます。
フィールドエンジニアが現場で、既存ツールへの統合から性能検証まで支援します。
파트리지시스템즈는 물리 세계를 이해하고 추리하는
첨단 인공지능을 활용하여 사람이 직접 정의하기 힘든
데이터 내 맥락을 발굴하고 데이터 품질을 혁신합니다.
고객 현장에 맞는 AI 모델 개발 및 검증 데이터 지원을
통해 Physical AI 고도화를 앞당깁니다.
高帯域センサーデータを
リアルタイムに処理する
お客様データに合わせた
可逆圧縮パイプライン。
汎用圧縮コーデックの性能はベンチマークデータで測定した値のため、実データでは性能に差が生じるのは避けられません。お客様の車両で期待どおりの性能が出る保証はありません。パートリッジシステムズは、お客様の車両のカメラとLiDARのデータに合わせて可逆圧縮コーデックを最適化し、実データで性能を測定し、展開したすべてのファイルの完全性を保証します。
.jpg)
可逆圧縮コーデックの
性能実績です。
実際の顧客車両と
データシステムにおいて、
カメラとLiDARのデータで測定した
LiDARデータは約5倍、Post-ISPカメラは4〜5倍、Pre-ISPカメラは約2倍の圧縮率を達成しました。
カメラストリームの圧縮速度は収録速度を上回り、車両内でのリアルタイム処理に十分でした。
チャート最下段の空欄は、これからのお客様と共に挑むデータ圧縮のフロンティアです。共に生み出す成果を心から楽しみにしています。
AIだけでは無人アセットを戦力化できません。
現場データの収集・処理・学習を支え、
再配備までつなぐ基盤が不足しています。
構造的ボトルネック。
現代戦の無人システムにおける
01
収集の断絶
無人アセットはデータを生成しますが、
現場で体系的に収集・保存・タグ付けする
標準基盤がありません。
02
判断の遅延
AI推論は後方サーバーに依存します。
DIL(Denied, Intermittent, Limited)環境では、
通信が途絶えると判断も停止します。
03
学習の断絶
現場で得たデータが後方の学習システムへ
還流されません。AIモデルは配備時の性能に
固定され、戦場環境に適応できません。
データの
収集・判断・学習・再配備も
平時・有事を問わず機能する必要があります。
01
E2Eパイプラインの空白
作戦は止められません。
現代戦・戦場基盤の空白
02
Physical AI基盤の不在
03
個別機能に特化 / E2E連携なし
Databahn defense
MUM-T運用のための
Physical AI-for-AI
E2Eプラットフォーム。
Partridge Systemsの防衛基盤「Databahn Defense」は、
前方センサーから後方サーバーまでをつなぎ、
E2Eデータパイプラインを提供します。

運用コンセプト。
DataBahn Defense




K877 APC






A4Aデータループ。
運用するほどAIが進化するE2E循環構造
Loggerでコーナーケースを検知し、
Edgeで学習価値の高いデータを選別、
Rearで増分学習しモデルを高度化します。
改善したAIを再び現場へ配備し、
継続的に性能を向上させます。
収集から転送まで即時フィードバック可能な
リアルタイムデータパイプライン
독자적 엣지 AI 전문성과 데이터 경량화 기술로 네트워크
자원 이 희소한 엣지-클라우드 파이프라인을 최적화합니다.
클라우드 환경에서는 GPU 자원을 활용하는 탄탄한
데이터 병렬 처리 기술력으로 페타바이트급 규모 데이터도
안정적으로 지원하는 Physical AI 데이터 엔진을 제공합니다.
대규모 물리 세계 데이터를
Physical AI 모델과 연결하는
데이터 레이어.
圧縮ソリューションの選定では「平均値の罠」にご注意を
性能予測の誤りがカバレッジを奪います。
環境ごとに特性が、センサーごとにノイズが異なるため、圧縮性能はプロジェクトごとに差が出るものです。
問題は、コーデックの想定性能と実性能の乖離が、数か月後になって初めて表面化することです。
01
汎用コーデックの性能は想定値です
基準となる圧縮率は、公開データセットや
ベンダーが収集したデータをもとに算出され、
お客様とは別のセンサーで測定されたものです。
02
実際の圧縮性能は
後になって判明します
基準となる圧縮率は、公開データセットや
ベンダーが収集したデータをもとに算出され、
お客様とは別のセンサーで測定されたものです。
03
予測と実際の乖離がカバレッジの損失に
容量に合わせ、走行を減らすしかありません。
しかし、収集すべきまれな走行シーンは、
ストレージが満杯になった後に訪れがちです。
03
ベンダー非依存のコンテナ情報内蔵方針
02
収録より速い圧縮速度
01
劣化・欠損ゼロの可逆圧縮
専用コーデック
3つのメリット
実際の顧客車両データで検証した結果
1ビットの変更も欠落もないことを、
展開したフレームごとに検証しました
展開後は元データと完全に一致しました。
パートリッジの専用可逆圧縮コーデックが目指すもの
1秒分のデータを1秒以内に圧縮完了
すべての元フレームと展開後のフレームが完全に一致

01
劣化・欠損ゼロの
可逆圧縮
展開した各ファイルを、
SHA-256ハッシュで元ファイルと照合します。
不一致はゼロ。すべてのビットが
そのまま保たれていました。
車載プロファイルの圧縮速度は、
カメラの収録速度より約20〜40%
速かったため、ストレージへの保存前の
段階で実行できます。
収録より速い
圧縮速度
02
Partridge Systemsの防衛データ基盤「Databahn Defense」は、
前方センサーから後方学習サーバーまでE2Eデータパイプラインを単一基盤で提供します。
Databahn defense

Databahn Core는 실세계에서 수집된 다양한 데이터를
통합하는 Physical AI 특화 플랫폼입니다.
표준화된 단일 웹 환경에서 분산된 엣지 및 클라우드 데이터를 효율적으로 관리하며 Physical AI 개발을 위한 데이터 탐색과 분석을 손쉽게 해줍니다.
물리 세계를 온전히 담는
데이터 플랫폼.
Databahn Core

Databahn Core는 실세계에서 수집된 다양한 데이터를
통합하는 Physical AI 특화 플랫폼입니다.
표준화된 단일 웹 환경에서 분산된 엣지 및 클라우드 데이터를 효율적으로 관리하며 Physical AI 개발을 위한 데이터 탐색과 분석을 손쉽게 해줍니다.
물리 세계를 온전히 담는
데이터 플랫폼.
MUM-T運用のための

Physical AI-for-AI E2Eプラットフォーム。
DataBahn Defense
運用コンセプト。










A4Aデータループ。
運用するほどAIが進化するE2E循環構造
収集から転送まで即時フィードバック可能なリアルタ イムデータパイプライン
Loggerでコーナーケースを検知し、Edgeで学習価値の高いデータを選別した後、Rearで増分学習によりモデルを高度化します。
改善したAIを再び現場へ配備し、継続的に性能を向上させます。
4階層E2Eデータパイプライン。
前方センサーから後方学習サーバーまで、
データが流れる全区間を単一プラットフォ ームでカバーします.
LAYER 1.0
Logger
収集
ドローン、ロボット等からマルチセンサーデータをリアルタイム収集します。
圧縮・タグ付け(KLV)後、前方ネットワークでデータを転送します。
LAYER 1.5
UGV Hub
集約
UGVが前方データハブとして機能します。
複数Loggerのデータを集約・一時保存し、AI前処理後にEdgeへ安定して転送します。
LAYER 2.0
AI Edge
判断
移動型戦術デバイス上でAI推論を実行します。
物体認識、3Dマップ生成、状況分析などにより現場の意思決定を支援します。
LAYER 3.0
Rear
学習
後方MLOps環境でデータを安全に管理し、増分・連合学習を実行します。
高度化したモデルを生成し、EdgeとLoggerへ再配備します。
リアルタイム高速3Dコンテキストマップ生成。
現代戦の無人システム戦場における
異なるセンサーとプラットフォームのデータを単一3D空間に統合する異種センサー融合技術
STEP 1
異種データ収集
STEP 2
時空間整合
STEP 3
3Dマップ生成
STEP 4
セマンティックオーバーレイ
データパイプライン
異種座標系の整合
ドローン、UGV、ロボット犬、ヒューマノイドなど異なる座標系を
共通座標系へリアルタイム変換し、一つの空間データに統合します.
LiDAR-Inertial Odometry
LiDAR点群とIMUデータを統合し、GPSが制限された
屋内・都市・DIL環境でも高精度な自己位置推定を行います。
SLAM+ColoredPCD (orTextureMash)
3D Gaussian Splatting/NeRF比で100倍以上高速なレンダリングにより、
リアルタイム3Dシーン構築と自由視点レンダリングを実現します。
Semantic Segmentation Overlay
3Dマップ上に建物・道路・植生・車両・人員などのラベルを付与し、
敵味方識別・危険区域・通行可能経路などを戦術レイヤーで可視化します。
3Dマップ上の
戦術コンテキストレイヤー。
幾何学的な3Dマップ上に戦術状況を把握するための
3つのコンテキストレイヤーを提供します。
.jpg)

01
市街地作戦(MOUT)

03
戦場監視・偵察(ISR)
3Dコンテキストマップは多様な作戦環境で状況認識と意思決定を支援します。
USE CASES
作戦適用シナリオ。

02
特殊作戦(SOT)

04
戦闘損害評価(BDA)



03
DataBahn Defense Edge
車載エッジ CORE
01
DataBahn Defense Logger
前方データ収集

UGV搭載型

ロボット内蔵型
02
DataBahn Defense Edge
車載エッジ PRO
04
DataBahn Defense Kit
可搬型戦術エッジ
Physical AI
+
Data Infrastructure
+
Ruggedized Hardware
戦場を変えるのはアルゴリズムではなくデータです。
データを扱うハードウェア、
[戦場に最適化されたハードウェア]が戦闘力を決めます。
戦場のRaw DataからIntelligenceまで。
DataBahn Defense HW Edition.
戦場の優位を生み出すデータ基盤
Databahn Defense.
PARTRIDGE의 시맨틱 데이터 엔진 DATABAHN은 센서에서 클라우드까지 데이터를 연결합니다.
데이터 수집부터 이해, 구조화, 큐레이션까지 전 과정을 하나의 흐름으로 지능적으로 관리합니다.
피지컬 AI를 위한 데이터 엔진, DATABAHN.

DATABAHN AI for
autonomous driving
safety compliance.

글로벌 선도 자동차 제조사들은
이미 Databahn AI와 함께합니다.
DATABAHN AI와의 통합을 통해, 도로 상태, 환경 맥락, 테스트 시나리오,
그리고 각 과정에서 새로운 위험 요소까지 정확히 기록하고 분석해 더 나은 피지컬 AI를 만듭니다.
Databahn은 자동차와 제조 산업을 비롯한 다양한 분야와 첨단 데이터 중심 연구 프로그램 전반에서 피지컬 AI 데이터 관리의 새로운 영역을 개척하고 있습니다.
IN ACTION
01

SOTIF Safety Standard
파트리지는 예측하기 어려운 상황과 다양한 환경에서도 자율주행 시스템의 안전을 요구하는
SOTIF(ISO 21448) 표준을 충족하는 데이터 관리·검증 역량을 제공합니다.
02

Scenario Coverage Capability
실제 도로 환경에서는 설계만으로 예측하기 어려운 다양한 상황이 발생합니다.
파트리지는 방대한 시나리오 데이터를 체계적으로 분석·관리하여 다양한 상황을 효과적으로 검증합니다.

글로벌 선도 자동차 제조사들은
이미 Databahn AI와 함께합니다.
DATABAHN AI와의 통합을 통해, 도로 상태, 환경 맥락, 테스트 시나리오,
그리고 각 과정에서 새로운 위험 요소까지 정확히 기록하고 분석해 더 나은 피지컬 AI를 만듭니다.
WORKFLOW

군수 공장과 정비 환경에서 장비 데이터를 실시간으로 연결해, 무기체계 생산과 정비의 이상 감지와 작전 대비 태세 강화를 지원합니다.
01
Main title

군수 공장과 정비 환경에서 장비 데이터를 실시간으로 연결해, 무기체계 생산과 정비의 이상 감지와 작전 대비 태세 강화를 지원합니다.
02
Main title

군수 공장과 정비 환경에서 장비 데이터를 실시간으로 연결해, 무기체계 생산과 정비의 이상 감지와 작전 대비 태세 강화를 지원합니다.
03
Main title

군수 공장과 정비 환경에서 장비 데이터를 실시간으로 연결해, 무기체계 생산과 정비의 이상 감지와 작전 대비 태세 강화를 지원합니다.
04
Main title

군수 공장과 정비 환경에서 장비 데이터를 실시간으로 연결해, 무기체계 생산과 정비의 이상 감지와 작전 대비 태세 강화를 지원합니다.
05
Main title
USE CASES

Autonomous Driving
자율주행 자동차 개발 환경에서 차량 센서와 주행 로그, 영상 데이터를 실시간으로 통합·관리해, 시나리오 검증과 모델 개선을 빠르게 반복합니다.
.jpg)
Smart factory
스마트팩토리에서 발생하는 설비·센서·영상 데이터를 실시간으로 통합해,
공정 최적화와 운영 효율을 동시에 높입니다.
.jpg)
bio
바이오 제조와 연구 환경에서 발생하는 실험 장비 데이터, 공정 로그, 영상 데이터를 통합 관리해 신약 개발과 바이오 공정의 검증 속도와 품질을 높입니다.
.jpg)
Military
군수 공장과 정비 환경에서 장비 데이터를 실시간으로 연결해,
무기체계 생산과 정비의 이상 감지와 작전 대비 태세 강화를 지원합니다.

Autonomous Driving
자율주행 자동차 개발 환경에서 차량 센서와 주행 로그,
영상 데이터를 실시간으로 통합·관리해, 시나리오 검증과 모델 개선을 빠르게 반복합니다.
.jpg)
Smart factory
스마트팩토리에서 발생하는 설비·센서·영상 데이터를 실시간으로 통합해, 공정 최적화와 운영 효율을 동시에 높입니다.
.jpg)
BIO
바이오 제조와 연구 환경에서 발생하는 실험 장비 데이터, 공정 로그, 영상 데이터를 통합 관리해 신약 개발과 바이오 공정의 검증 속도와 품질을 높입니다.
.jpg)
Military
군수 공장과 정비 환경에서 장비 데이터를 실시간으로 연결해, 무기체계 생산과 정비의 이상 감지와 작전 대비 태세 강화를 지원합니다.
SYNC
Databahn은 ㅇㅇㅇㅇ와 연동됩니다.
IMPACT
$8 million
숫자로 표현 가능한 파트리지시스템즈의 성과들을 한 문장으로 묘사합니다
99%
숫자로 표현 가능한 파트리지시스템즈의
성과들을 한 문장으로 묘사합니다
10,000
숫자로 표현 가능한 파트리지시스템즈의
성과들을 한 문장으로 묘사합니다
TRUST
신뢰, 안정성을 보장하는
인증 표식 등을 표현합니다.
신뢰, 안정성을 보장하는
인증 표식 등을 표현합니다.
신뢰, 안정성을 보장하는
인증 표식 등을 표현합니다.
신뢰, 안정성을 보장하는
인증 표식 등을 표현합니다.
신뢰, 안정성을 보장하는
인증 표식 등을 표현합니다.
前方センサーから後方サーバーまで、
全区間を単一プラットフォームでカバーします。
4階層E2E
データパイプライン。
LAYER 1.0
Logger
収集
ドローン、ロボット等からマルチセンサーデータをリアルタイム収集します。 圧縮・タグ付け(KLV)後、前方ネットワークでデータを転送します。
LAYER 1.5
UGV Hub
集約
UGVが前方データハブとして機能します
複数Loggerのデータを集約・一時保存し、AI前処理後にEdgeへ安定して転送します。
LAYER 2.0
AI Edge
判断
移動型戦術デバイス上でAI推論を実行します。
物体認識、3Dマップ生成、状況分析などにより現場の意思決定 を支援します。
LAYER 3.0
Rear
学習
後方MLOps環境でデータを安全に管理し、増分・連合学習を実行します。 高度化したモデルを生成し、EdgeとLoggerへ再配備します。
異なるセンサーとプラットフォームのデータを
単一3D空間に統合する異種センサー融合技術
リアルタイム3D
コンテキストマップ生成。
現代戦の無人システム戦場における
STEP 1
異種データ収集
異種座標系の整合
ドローン、UGV、ロボット犬など
異なる座標系を共通座標系へ変換し、
一つの空間データに統合します。
STEP 3
3Dマップ生成
SLAM+ColoredPCD (orTextureMash)
3D Gaussian Splatting/NeRF比で
100倍以上高速なレンダリングにより、
リアルタイム3D構築と自由視点表示を実現します。
STEP 2
時空間整合
LiDAR-Inertial Odometry
LiDAR点群とIMUデータを統合し、
GPSが制限された屋内・都市・DIL環境でも
高精度な自己位置推定を行います。
データパイプライン
STEP 0
STEP 4
セマンティックオーバーレイ
Semantic Segmentation Overlay
3Dマップ上に建物・道路・車両などのラベルを付与し、
敵味方識別・危険区域・通行可 能経路などを
戦術レイヤーで可視化します。
幾何学的な3Dマップ上に戦術状況を把握するための
3つのコンテキストレイヤーを提供します。
戦術コンテキスト層。
3Dマップ上の



USE CASES
作戦適用シナリオ。
3Dコンテキストマップは多様な作戦環境で
状況認識と 意思決定を支援します。

02
特殊作戦
SOT

04
戦闘損害評価
BDA
.jpg)
03
戦場監視・偵察
ISR

01
市街地作戦
MOUT
Physical AI
+
Data Infrastructure
+
Ruggedized Hardware
戦場 を変えるのはアルゴリズムではなくデータです。
データを扱うハードウェア、
[戦場に最適化されたハードウェア]が戦闘力を決めます。
戦場のRaw DataからIntelligenceまで。
DataBahn Defense HW Edition.
01
DataBahn Defense Logger
前方データ収集


UGV搭載型
ロボット内蔵型
02
DataBahn Defense Edge
車載エッジ PRO

03
DataBahn Defense Edge
車載エッジ CORE

04
DataBahn Defense Kit
可搬型戦術エッジ

戦場の優位を生み出すデータ基盤
Databahn Defense.
01
汎用コーデックの性能は想定値です
基準となる圧縮率は、公開データセットや
ベンダーが収集したデータをもとに算出され、
お客様とは別のセンサーで測定されたものです。
02
実際の圧縮性能は
後になって判明します
お客様の実際の数値が出るのは、
データ収集の開始から数週間後。その時点で、
想定性能をもとにストレージを発注済みです。
03
予測と実際の乖離がカバレッジの損失に
容量に合わせ、走行を減らすしかありません。
しかし、収集すべきまれな走行シーンは、
ストレージが満杯になった後に訪れがちです。
環境ごとに特性が、センサーごとにノイズが異なるため、圧縮性能はプロジェクトごとに差が出るものです。
問題は、コーデックの想定性能と実性能の乖離が、数か月後になって初めて表面化することです。
性能予測の誤りがカバレッジを奪います。
圧縮ソリューションの選定では
「平均値の罠」にご注意を
03
ベンダー非依存の
コンテナ情報内蔵方針
02
収録より速い圧縮速度
01
劣化・欠損ゼロの可逆圧縮
専用コーデック3つのメリット
展開後は元データと完全に一致しました。
1ビットの変更も欠落もないことを、
展開したフレームごとに検証しました
実際の顧客車両データで検証した結果
パートリッジの専用可逆圧縮コーデックが目指すもの
01
劣化・欠損ゼロの
可逆圧縮
展開した各ファイルを、SHA-256ハッシュで
元ファイルと照合します。不一致はゼロ。
すべてのビットがそのまま保たれていました。

すべての元フレームと
展開後のフレームが完全に一致
02
収録より速い
圧縮速度
車載プロファイルの圧縮速度は、カメラの
収録速度より約20〜40%速かったため、
ストレージへの保存前の段階で実行できます。
1秒分のデータを1秒以内に圧縮完了
初回のコーデック最適化は、このように進みます。
30分ほどのサンプルデータをいただければ、
少量のサンプルによる初回最適化は無償で、お客様のデータに基づく圧縮性能の分析レポートをご提供します。
STEP 1
サンプル送付
STEP 2
コーデック最適化
STEP 3
圧縮・展開の検証
STEP 4
最適化結果の報告
お客様の実データからサンプルをご送付
お客様のプロジェクトで実際に使うセンサーで収録した、
約30分のサンプルデータをお送りください。
現場の演算リソースに最適化した圧縮プロファイル設計
サンプルに含まれるカメラとLiDARのストリームごとに最適化し、
車両の演算リソース に合わせてコーデックをビルドします。
圧縮・展開とハッシュ照合による検証
ファイルごとに圧縮・展開し、SHA-256ハッシュ値を照合します。
1ビットでも差異があれば、検証は不合格と判定します。
測定条件を明記した実測性能レポート
これまで、初回の最適化作業には1〜3週間を要しました。
圧縮性能が期待に届かない場合も、結果は包み隠さずご報告します。
STEP 4
最適化結果の報告
測定条件を明記した実測性能レポート
これまで、初回の最適化作業には1〜3週間を要しました。 圧縮性能が期待に届かない場合も、
結果は包み隠さずご報告します。
STEP 3
圧縮・展開の検証
圧縮・展開とハッシュ照合による検証
ファイルごとに圧縮・展開し、SHA-256ハッシュ値を照合します。 1ビットでも差異があれば、検証は不合格と判定します。
STEP 2
コーデック最適化
現場の演算リソースに最適化した圧縮プロファイル設計
サンプルに含まれるカメラとLiDAR のストリームごとに最適化し、車両の演算リソースに合わせてコーデックをビルドします。
STEP 1
サンプル送付
お客様の実データからサンプルをご送付
お客様のプロジェクトで実際に使うセンサーで収録した、約30分のサンプルデータをお送りください。
少量のサンプルによる初回最適化は無償で、お客様のデータに基づく圧縮性能の分析レポートをご提供します。
初回のコーデック最適化は、このように進みます。
30分ほどのサンプルデータを
いただければ、
お客様のデータ活用に干渉しません:
コーデック情報をコンテナに内蔵する方針。
各ファイルに圧縮方式が記録されているため、数年後でもエンジニアはパートリッジのサポートなしでファイルを読めます。
各ファイルにはコーデック識別子、パラメータ、
元のサイズ、ピクセルフォーマット、ビット深度が
記録され、数年後もパートリッジなしで識別できます。
ファイルは車両から取り込みステーション、
クラウドまで変更なく移動します。ご要望に応じ、
最適化したコーデックの独立デコーダーも
別途開発可能です。
自己記述型の
コンテナ
自己記述型のコンテナ
各ファイルにはコーデック識別子、パラメータ、元のサイズ、
ピクセルフォーマット、ビット深度が記録され、数年後も
パートリッジなしで識別できます。ファイルは車両から
取り込みステーション、クラウドまで変更なく移動します。
ご要望に応じ、最適化したコーデックの独立デコーダーも別途開発可能です。
各ファイルに圧縮方式が記録されているため、数年後でもエンジニアはパートリッジのサポートなしでファイルを読めます。
エッジからクラウドまで同じファイル
エッジからクラウドまで同じファイル
コーデック情報をコンテナに内蔵する方針。
お客様のデータ活用に干渉しません:
+82 (070)8667-0745
(HQ) 韓国 ソウル特別市 江南区 テヘラン路207 8階
(防衛) 韓国 仁川広域市 富平区 吉州路647番ギル20 801号
(USA) 4896 Freer St, Rochester, MI 48306, USA
2026 Partridge Systems Inc. ALL Rights Reserved.
