企业官网建设流程全解析

Rerun 0.37 新特性：Viewer 加载资产数据（Assets）与rerun --asset实战指南

【免费下载链接】rerunVisualize, query, and stream to train on multimodal robotics data.项目地址: https://gitcode.com/GitHub_Trending/re/rerun

Rerun 的资产（Asset）机制为多模态机器人数据引入了"静态数据共享"模型：把机器人网格、URDF 模型、标定文件等注册为数据集上的资产，让同一数据集的多个分段（Segment）复用，而无需重复拷贝进每条录制。本文围绕 changeset-0-37.md 中的 Assets 变更与 cli-asset-flag.md 的rerun --asset功能展开，结合 catalog-object-model.md 与 cli.md 的完整说明，带你掌握 Viewer 加载资产数据的完整工作流：从 CLI 注册资产、Viewer 内查看与增删，到 Python Catalog API 查询资产与性能考量。

什么是 Rerun 资产（Assets）

资产是注册在数据集（Dataset）上、并被该数据集所有分段共享的静态数据，典型例子包括机器人 URDF、房间网格（room mesh）或标定数据（calibration）。在 Rerun 0.37 的数据模型里，资产与蓝图（blueprint）类似，拥有自己独立的数据集，归属于它所服务的数据集：

• 资产只需注册一次，不必复制进每一条录制（segment）；
• 删除所属数据集时，其资产数据集与资产存储会一并删除；
• 资产只能包含静态数据——如果一个.rrd文件包含时间维度的数据，则无法注册为资产。

完整的数据模型说明见 catalog-object-model.md。

Viewer 如何加载并缓存资产

打开分段时按需下载

当 Rerun Viewer 打开某个分段时，它会连同分段自身的数据一起加载所属数据集的资产。资产数据会被缓存起来，因此同一数据集的其他分段再次打开时，无需重复下载同一个资产——这是 0.37 引入的核心体验改进，见 changeset-0-37.md 的 Assets 章节。

在 Viewer 中查看与管理资产

数据集的视图现在会列出已注册的资产及其元数据。与之前只能通过外部手段注册不同，0.37 起可以直接在 Viewer 内完成资产的注册与注销，操作界面直观可见（Assets标签页列出资产并允许注册/注销）。

命令行：rerun --asset注册资产

基本用法

rerun --asset允许你在启动 Viewer 时，把一个.rrd文件注册为指定本地录制所在数据集的资产：

rerun rec.rrd --asset asset.rrd

这条命令会把asset.rrd注册到rec.rrd所属数据集的资产中，使该资产在录制中可见。在 0.37 之前，一个资产文件若以自己的 recording id 写入，会作为独立的录制被打开；现在它作为资产挂靠在录制所在的数据集下，语义更清晰（见 cli-asset-flag.md）。

多条命令的注册规则

• 每个--asset都会被注册到命令行中所有指定本地.rrd录制所在的数据集，与参数顺序无关：

rerun --asset mesh.rrd rec0.rrd rec1.rrd --asset robot.rrd

上面的命令会把mesh.rrd与robot.rrd两个资产都注册到rec0.rrd、rec1.rrd两个录制各自的数据集中。

• URL、蓝图及其他非录制参数不会接收资产。
• 若在没有任何本地.rrd录制的情况下单独使用--asset，会产生错误。
• --asset可以重复传多次（如上面示例所示）。

依赖 Viewer catalog 设置

该功能需要Settings → Viewer catalog下的Load files via Viewer catalog设置处于开启状态；使用--asset时，如果该设置当前是关闭的，Rerun 会自动将其启用，无需手动干预。

完整的 CLI 参数列表见 CLI manual，其中对--asset <PATH>的官方定义为：一个指向.rrd文件的路径，将其注册为所有包含指定本地录制的数据集的资产；资产持有静态数据（如网格或机器人模型），可被数据集内所有录制共享。

Python API：用 Catalog 操作资产

除了 CLI 与 Viewer，Rerun 的 Python Catalog API 同样支持资产的全生命周期管理（示例取自 catalog-object-model.md）：

dataset.register_asset("file:///path/to/file.rrd") # 注册资产 dataset.unregister_asset(asset_id) # 注销资产 print(dataset.assets()) # 列出当前资产

register_asset()从服务器可读取的.rrd文件注册资产；不支持的情况包括：文件含时间数据、或注册后会使数据集资产数超过12 个的上限。

分段存储与资产清单

从 Python 侧，segment_store()返回的存储会同时覆盖数据集的资产与分段自身的数据。若只想处理分段数据，可传入include_assets=False排除资产，这也会跳过对资产清单（manifest）的请求：

# 覆盖分段与资产两者的 chunks both = dataset.segment_store(segment_id) # 仅覆盖分段，不获取任何资产清单 segment_only = dataset.segment_store(segment_id, include_assets=False)

每个资产的清单获取都要消耗一次请求，因此只关心分段自身数据时，include_assets=False是值得的优化手段。

资产数据集的查询细节

• Dataframe 查询 API 是例外：它们只停留在数据集自身的分段上，资产永远不会出现在查询结果里。
• DatasetEntry.schema()、segment_ids()、segment_table()、reader()等接口都会忽略资产数据集。
• 资产数据集是隐藏的，CatalogClient.datasets()默认不会列出它，除非传入include_hidden=True。
• 若要查询资产数据，直接以资产数据集为目标即可——每个已注册资产对应其中一个分段，且资产只含静态数据，因此读取时无需传入索引（index）：

asset_dataset = dataset.asset_dataset() print(asset_dataset.schema()) df = asset_dataset.reader(index=None) # 资产仅含静态数据，无索引可读

底层实现与适用场景小结

从源码结构看，资产机制构建在 Rerun 的 Catalog 对象模型之上：资产作为独立数据集存储、以.rrd文件为注册载体、按需拉取清单并缓存数据，这与蓝图的归属/级联删除语义保持一致。这套机制最典型的应用场景是跨分段共享的静态参考数据：

• 机器人数据集：每个 episode 分段都引用同一个机器人网格/URDF；
• 多房间重建：共享房间网格，各分段只记录各自的轨迹；
• 标定文件：所有相机分段复用同一份标定数据。

CLI、Viewer 界面与 Python API 三端能力对齐：命令行rerun --asset适合批量导入，Viewer 的资产标签页适合交互式增删，Pythonregister_asset/unregister_asset适合脚本化管线。三者配合即可完整覆盖"资产注册 → Viewer 加载缓存 → 跨分段复用 → 按需查询"的全流程。

【免费下载链接】rerunVisualize, query, and stream to train on multimodal robotics data.项目地址: https://gitcode.com/GitHub_Trending/re/rerun