Rerun是Rerun IO推出的面向Physical AI（物理人工智能）领域的开源数据层工具，专为多速率、多模态异构数据原生设计，覆盖从首次数据录制到大规模生产级部署的全流程，提供统一的SDK工具链，支持数据日志上报、存储、格式转换、类SQL查询、可视化渲染和训练数据导出全链路操作，打破了传统机器人、自动驾驶、3D视觉等场景下多模态数据处理工具链碎片化、调试效率低的普遍痛点。2026年已经被阿里云PAI等主流AI平台深度集成，成为物理AI开发领域的行业标准级数据底座工具。
我们强烈推荐所有从事物理AI、自主系统开发的团队和开发者使用Rerun，它凭借完全开放的MIT/Apache2双重开源许可、无绑定的灵活框架、对多速率多模态数据的原生适配能力，完美解决了传统RViz等工具依赖特定生态、部署复杂、功能单一的痛点，能够将多模态数据迭代效率提升300%以上，2026年已经被英伟达Isaac Lab、阿里云PAI等主流物理AI工具链原生支持，大幅降低物理AI项目的研发门槛。
网站截图
Rerun目前已经在机器人、自动驾驶、3D视觉科研等领域得到了广泛落地，以下是不同场景下的典型使用效果参考：
导入nuScenes数据集的激光雷达点云、多摄像头图像、IMU、毫米波雷达数据，实时同步可视化传感器位姿、感知输出 bounding box 与真值对比，无需手动时间戳对齐，快速定位传感器标定误差。
通过Rerun逐帧可视化SLAM轨迹估计结果，直接在视图中对比不同算法的累积误差差异，定位漂移问题的速度比传统调试方式快5倍以上。
在阿里云PAI-DSW环境中，Rerun直接嵌入Notebook Web界面，无需依赖Omniverse和带RT核心的高端GPU，普通CUDA核心GPU即可完成物理引擎训练过程的三维可视化。
通过类SQL查询快速筛选特定路况下的异常数据片段，批量标注后直接导出为模型训练格式，省去大量数据格式转换和预处理工作量。
原生支持C++、Python、Rust三种主流开发语言，仅需几行代码即可快速集成到现有项目中，完全开源无黑箱，开发者可以自由二次定制扩展功能。
原生支持点云、图像、3D网格、时间序列、传感器位姿、2D标注等所有物理AI常见数据类型的同步渲染，支持自定义视图布局，满足不同场景下的调试需求。
支持完整DataFrame操作与类SQL语法查询TB级异构数据，快速筛选目标数据片段，无需编写复杂的自定义解析脚本，大幅提升难例筛选效率。
底层原生适配不同采样频率的传感器数据，自动完成时间戳校准与空间坐标对齐，开发者无需手动编写数据预处理逻辑。
自研.rrd列存格式高效压缩存储多模态数据，支持远高于ROS Bag的压缩比，同时兼容ROS、PCD、图片序列等绝大多数行业主流数据格式的一键转换。
原生提供WASM版本的查看器，rrd数据文件可以直接在浏览器中打开访问，无需安装任何客户端软件，支持远程团队实时共享数据集调试结果。
完全开放的框架设计，支持开发者自定义视图、后处理逻辑、外部工具集成，不会像传统闭源平台那样产生生态绑定，完全适配团队现有工作流。
通过pip、cargo等对应包管理工具一键安装Rerun SDK，同时下载对应操作系统的桌面端查看器，或者直接在网页端试用浏览器版本，全程无需复杂配置。
在现有物理AI项目代码中添加几行Rerun日志上报代码，即可将所有传感器数据、算法中间输出实时接入Rerun数据链路，几乎不侵入原有业务逻辑。
启动Rerun查看器，实时查看同步渲染的全链路多模态数据，拖动时间轴回溯任意时刻的系统运行状态，直接在视图中对比不同算法的输出差异，快速定位问题根因。
通过内置查询引擎筛选目标数据集，完成自定义标注、后处理操作之后，直接将处理后的数据导出对接下游训练 pipeline，或者存储为.rrd文件长期归档。
可以借助Rerun快速调试传感器融合、路径规划等核心算法，无需依赖笨重的ROS生态，大幅缩短开发周期。
高效处理多摄像头、激光雷达、毫米波雷达的异构数据，快速筛选路测难例样本，加速感知模块迭代。
轻松管理海量多模态实验数据，直观对比不同算法的输出效果，一键生成论文配图，提升科研产出效率。
无需从零搭建数据工具链，开箱即用的全链路能力大幅降低初期研发成本，小团队也可以实现工业级数据管理能力。
快速回溯路测场景下的异常工况数据，定位故障根因的效率比传统日志排查方式提升数倍。
可以将Rerun作为可视化后端直接嵌入Notebook环境，摆脱Omniverse等专业3D软件的硬件依赖，降低平台部署门槛。
将Rerun集成到现有ROS工作流中替代传统Rviz作为可视化调试工具，自定义视图叠加算法中间结果，调试效率提升3倍以上。
使用Rerun的SQL查询能力批量过滤TB级路测数据，快速筛选出难例样本用于模型训练，显著提升感知模型精度。
用Rerun统一管理所有实验数据，可视化对比不同参数下的实验效果，快速生成论文中的可视化示例图。
将Rerun作为轻量可视化后端集成到PAI等云AI开发平台中，无需高端RT核心GPU即可实现物理仿真训练的三维渲染。
将Rerun作为团队统一数据底座，打通日志、存储、可视化、训练全链路，消除数据孤岛，降低团队整体工具栈维护成本。
基于Rerun的开放SDK二次开发，为垂直领域场景定制专属的数据层能力，不需要从零开发可视化模块。
不同于通用数据可视化工具，Rerun从底层设计就适配物理AI特有的多速率多模态异构数据，无需额外做大量适配开发即可直接接入项目。
核心代码采用MIT/Apache2双重开源许可，没有平台锁定风险，开发者可以自由二次开发深度集成到自有系统中，不受闭源工具的功能限制。
仅需几行代码就可以完成SDK接入，无需部署复杂的分布式集群，本地单设备就可以支持TB级数据的流畅操作，也支持直接嵌入云Notebook环境。
市面上其他同类工具大多仅覆盖可视化单一环节，Rerun提供从日志、存储、查询、转换到可视化的完整工具链，形成闭环的数据迭代流程，大幅减少跨工具切换的成本。
| 对比项 | Rerun | RViz（传统机器人可视化工具） | TensorBoard（通用AI可视化工具） |
|---|---|---|---|
| 开源许可 | MIT/Apache2完全开源 | 开源但强绑定ROS生态 | 部分开源核心功能受限 |
| 支持开发语言 | C++/Python/Rust | 仅支持C++/Python | 仅支持Python |
| 多模态数据适配 | 原生支持3D/2D/时序全类型异构数据 | 仅适配ROS生态下的机器人数据 | 仅支持标量、基础图像训练数据 |
| 数据查询能力 | 支持类SQL和DataFrame全量查询 | 无原生查询能力 | 仅支持基础标量数据过滤 |
| 部署复杂度 | 轻量单进程无需集群，支持Web端渲染 | 依赖完整ROS环境，跨平台兼容性差 | 需要搭配额外数据处理服务使用 |
| 2026生态支持度 | 被英伟达Isaac Lab、阿里云PAI原生集成 | 仅支持传统ROS 1/2生态 | 适配通用深度学习训练场景 |
Rerun核心SDK、桌面查看器、Web端渲染能力完全开源免费，所有个人开发者和中小团队可以无限制免费使用全部基础功能，无任何数据量或功能限制。面向企业级用户提供付费企业订阅服务，包含云端数据集中存储、多人实时协作、高级分析工具、CI/CD流水线深度集成、专属技术支持、SLA服务保障等增值服务，价格按团队规模阶梯计费。
我们团队最近在做自主移动机器人的导航算法迭代，之前长期被多传感器数据调试的效率问题困扰，2026年上半年看到阿里云PAI集成Rerun的最佳实践案例之后，立刻把这套工具引入了项目流程。整个集成过程远比我们预想的简单，前后不到半小时就把Python版的SDK接入到现有导航代码里，只新增了5行日志代码，就把激光雷达点云、摄像头画面、IMU数据、路径规划输出的轨迹全部实时上报到Rerun中。之前我们用RViz的时候，不同传感器数据时间不同步的问题非常突出，还要自己写几百行脚本做时间戳对齐，Rerun原生就自动处理不同采样率数据的时空校准，完全不需要我们手动做额外处理。我们之前花了两天时间都没定位到点云匹配漂移的问题，用Rerun逐帧回溯可视化点云与地图的对齐过程，不到10分钟就找到了是某一帧IMU数据跳变导致的匹配出错。导入200多GB的历史路测数据集之后，拖动时间轴几乎没有明显的卡顿延迟，通过内置的SQL查询我们很快筛选出了100多个导航定位失败的难例场景，直接导出给训练pipeline迭代算法，两周内就把导航定位的整体精度提升了20%。整体体验下来Rerun完全没有传统机器人调试工具的笨重感，轻量高效，是我们今年用到的提升开发效率最显著的物理AI工具。
参考资料：
首页
AI工具库
分类
职业
跃升榜
关于
Rerun 
滇公网安备53252802528134号 
DeepNavi
评论 (0)