SEAM Studio GitHub ↗
SEAM Studio에서 실제 항공 텍스처로 렌더링한 한양대학교 캠퍼스 디지털 트윈
NEW v0.1.6 GUI에서 채널 데이터셋 npz export · 재현 가능한 scene hash · path 버퍼 제어 — pip install -U seam-studio
Scene-to-Electromagnetic Authoring and Mapping

SEAM Studio

로컬 우선 AI 지원 RF 디지털 트윈 워크벤치. 텍스처를 입힌 3D 씬 하나에서 모든 메시가 시각(PBR)과 전자기(RF) 두 개의 재질 바인딩을 지니고, 캐노니컬 씬을 Sionna RT 프로젝션으로 컴파일해 레이 경로와 라디오맵을 같은 뷰포트 위에 다시 얹습니다. GPU도, Sionna도, LLM도 필수가 아닙니다.

GitHub에서 보기 사용 가이드 Quickstart
HYU campus · drone/aerial-textured twin, imported & rendered in SEAM Studio
SEAM Studio 전체 화면 — 3D 뷰포트와 Visual/RF Materials/Validation/AI Assist/Results 모드, 통신 메트릭 대시보드
SEAM Studio, 한 화면에서 — 3D 씬 뷰포트, Visual / RF Materials / Validation / AI Assist / Results 모드, 라이브 통신 메트릭 대시보드까지 하나의 워크벤치로.

What it does

씬 임포트에서 전파 시뮬레이션까지, 한 화면에서

Mitsuba XML·zip 번들·OpenStreetMap 사각형 선택까지 임포트하고, 재질을 할당·검증하고, 28 GHz 레이트레이싱을 돌리고, 결과를 다시 그 씬 위에 얹습니다.

Author

씬 & 재질 저작

텍스처 임베디드 GLB 뷰어(Blender식 조작), 프림별 RF 재질, 메시 물리 분할.

  • zip 번들 / OSM 지도 드래그 임포트
  • 재질·연결성 기반 메시 분할 + undo
  • ITU 대역 가드레일 & 검증 린트
Simulate

Sionna RT 프로젝션

캐노니컬 씬을 Mitsuba XML로 자동 컴파일하고, 씬이 바뀌면 알아서 다시 컴파일합니다.

  • 경로·라디오맵·SINR·빔포밍·채널(CFR)
  • 다중 UE 궤적 + 지형 추종 드레이프
  • ML ground-truth 데이터셋 내보내기
SEAM-Agent

검색증강 로컬 AI 재질 할당

로컬 LLM/VLM 하네스가 건물을 멀티뷰로 관찰하고 웹 증거로 보강해 재질을 제안합니다.

  • triangle-id 역투영 → 면 단위 세그먼트
  • 관측 가능한 activity trace + 증거 카드
  • confidence·provenance·사용자 승인

Pipeline

Unsegmented mesh → Sionna-ready RF scene

1 · Import

Mitsuba XML / zip / OSM. 텍스처는 뷰어 GLB와 AI 증거용 원본으로 이중 보존.

2 · Segment

휴리스틱 · 로컬 VLM · 외부 SAM2 마스크로 면 단위 분할.

glassconcretemetalground
3 · Assign

SEAM-Agent 제안 + 사용자 리뷰. 모든 결정을 provenance에 기록.

4 · Compile

재질 그룹별 PLY + ITU bsdf만 담은 깨끗한 Mitsuba XML 자동 생성.

5 · Solve

Sionna RT(또는 Mock) 경로·라디오맵 → 같은 뷰포트에 오버레이.

In action

실제 동작 화면

캠퍼스 트윈에서의 Sionna RT 레이트레이싱 — TX 1기와 RX 2기 사이의 39개 경로
Sionna RT 레이트레이싱 — 캠퍼스 트윈에서 TX 1기·RX 2기 사이 39개 경로(LOS 시안 · 반사 마젠타)를 실제 Sionna 백엔드로 계산.
연속 지형 위 텍스처 캠퍼스 트윈을 위에서 내려다본 뷰
캠퍼스 트윈 정사 뷰 — 항공 텍스처와 연속 지형, 뷰 스냅(1/3/7)과 무한 그리드.
TX·RX 디바이스가 배치된 Sample Demo 씬
Sample Demo — TX/RX 배치, 지표고도(AGL) 편집, Mock 백엔드만으로 완주하는 튜토리얼 씬.
SEAM-Agent가 사용하는 드론 매핑 FTC 건물의 멀티뷰 캡처
드론 매핑 FTC 건물 — SEAM-Agent가 보는 직교 멀티뷰 캡처(triangle-id 버퍼 페어).

Capabilities

기능 자세히 보기

Author · Simulate · SEAM-Agent 세 축 아래에는 링크 분석부터 데이터셋 생성까지, 실험과 논문에 바로 쓰는 도구들이 들어 있습니다.

채널 분석 & 라이브 튜닝

링크버짓, CIR/CFR, K-factor, RMS delay spread, 경험적 경로손실 모델(3GPP 38.901 포함)을 RT 결과와 비교합니다. 주파수·대역폭·TX 파워·잡음지수·SCS를 바꾸면 즉시 재분석되고, TS 38.215 스타일 RSRP/RSSI/RSRQ가 함께 산출됩니다.

다중 TX 간섭 · SINR

서빙 TX 이외 모든 TX의 레이트레이싱 수신전력을 동일채널 간섭으로 합산해 SINR = S/(I+N)을 계산합니다. 서빙 셀 선택, SINR 라디오맵, 셀별 서빙 TX 지도까지.

MIMO 빔포밍

코드북 스윕 / TX-MRT / SVD 빔포밍 이득을 실제 레이 채널 위에서 계산합니다(4×4 기준 약 12/24 dB 검증).

메시 라디오맵 + 영역 정밀화

수평 평면이 아니라 벽·바닥·도로 표면 위 삼각형 단위로 커버리지를 칠하고, 관심 영역만 더 작은 셀로 다시 계산합니다.

궤적 RF 지표 & 지형 추종

UE 궤적을 따라 RSS·path gain·RMS delay·SINR을 샘플링합니다. 궤적은 지형과 지붕 표면에 드레이프되어 언덕을 뚫고 지나가지 않고, 디바이스는 지표고도(AGL)로 배치합니다.

재질 세그멘테이션 & 분할

통짜 건물 메시를 텍스처 마스크(컬러 휴리스틱 / 로컬 VLM / SAM2 마스크 업로드)로 면 단위 재질 분할하고, 병합 메시는 연결 성분으로 건물별 분리합니다. 모든 분할은 GLB 백업과 함께 undo 가능합니다.

측정 기반 캘리브레이션

실측 링크 CSV를 불러와 재질 파라미터를 그리드 피팅하고, 시각적으로 같은 재질을 측정 path gain으로 판별하며, 재질 지정이 링크에 미치는 임팩트를 NMSE·용량으로 정량화합니다.

Metrics dashboard & 논문용 내보내기

링크 KPI와 CIR·CFR·도플러·경로손실 차트를 흰 배경 serif 논문 스타일로 그려내고, 차트마다 PNG/SVG/CSV 버튼을 내장했습니다. 뷰포트 캡처와 Mitsuba 오프라인 렌더도 지원합니다.

데이터셋 & AODT 연동

ML ground-truth 데이터셋(npz + metadata)을 생성하고, AODT RFData 컨트랙트를 내보내며, NVIDIA AODT parquet 결과를 같은 스키마로 가져옵니다.

자연어 규칙 & 검증 설명

"창문은 유리, 콘크리트 벽은 itu_concrete" 한 문장을 검토 가능한 지정 규칙으로 바꿔 일괄 적용하고, 검증 경고를 평문으로 풀어 원클릭 조치와 함께 설명합니다.

결과 재현성 & 라이브 이벤트

모든 결과에 씬·지정·설정 해시와 config 스냅샷을 각인해 stale 결과를 배지로 알리고, WebSocket으로 컴파일·시뮬레이션 진행을 스트리밍합니다.

Live sync POST /live/state

GPS·모캡·로그의 실세계 위치를 로드된 씬에 주입하면 뷰어가 실시간으로 따라 움직이고, 즉시 재시뮬레이션해 measure → sync → predict 루프를 돌립니다.

SEAM-Agent

"이 건물은 한양대 FTC야" — 그 한 줄이면 됩니다

힌트 한 줄이면 에이전트가 웹에서 실제 외관 사진을 찾고, 로컬 VLM이 재질 단서를 추출해 멀티뷰 관찰과 결합합니다. 전 과정이 activity trace로 투명하게 보이고, 적용은 항상 사용자의 승인을 거칩니다.

에이전트가 웹에서 찾은 실제 한양대 FTC 건물 외관 사진 드론 매핑 FTC 메시의 세그먼트별 RF 재질 할당 결과 — 유리 커튼월이 파랗게 표시됨
왼쪽: 에이전트가 웹에서 찾은 실제 FTC 외관 사진 (Modamoda, CC BY 3.0, Wikimedia Commons) · 오른쪽: 같은 건물의 드론 매핑 메시 — 세그먼트별 재질 할당 후 RF 재질 컬러 모드(유리 커튼월 = 파랑, 콘크리트 = 회색)
[done] web_search "한양대학교 퓨전테크센터 FTC exterior"
[done] 6 photos retrieved · Wikimedia + hyu.wiki
[done] VLM claim: "glass curtain wall, white concrete structure"
[done] 4 views analyzed → face votes → segments
[review] curtain_wall_glass → itu_glass (0.83) · roof → itu_concrete (0.98)

Quickstart

실행만 해보고 싶다면 — pip

모든 OS · Node.js·체크아웃 불필요
pip install seam-studio
seam-studio   # http://127.0.0.1:8000 서빙 + 브라우저 오픈
포함되는 것
# 휠에 빌드된 UI 포함 — Node.js 필요 없음
# sionna-rt 레이트레이싱이 기본 의존성으로 설치됨
# 첫 실행 시 ~/.seam/projects에 Sample Demo 생성

개발하거나 리포 예제를 쓰려면 — 소스

Windows · PowerShell
git clone https://github.com/jaewoo4200/SEAM.git; cd SEAM
powershell -ExecutionPolicy Bypass -File scripts\install.ps1
powershell -ExecutionPolicy Bypass -File scripts\start.ps1
# → http://localhost:5173
Linux · macOS
git clone https://github.com/jaewoo4200/SEAM.git && cd SEAM
bash scripts/install.sh
bash scripts/start.sh   # → http://localhost:5173

사전 요구사항: Python 3.11–3.14. 소스 경로는 Node.js 20+도 PATH에 있어야 합니다 (Windows: winget install OpenJS.NodeJS.LTS 후 새 터미널). 나머지는 알아서 준비됩니다 — 실제 레이트레이싱 엔진 sionna-rt도 기본 의존성으로 함께 설치되며, Sionna를 불러올 수 없는 환경에서는 내장 Mock 백엔드로 자동 강등됩니다. NVIDIA GPU·로컬 LLM(LM Studio/Ollama)은 선택 업그레이드입니다. 자세한 내용은 INSTALL.md · TUTORIAL.md · 또는 그림으로 따라가는 사용 가이드에서 시작하세요.