ML 데이터셋과 내보내기

SEAM Studio는 뷰어로 끝나지 않습니다 — 시뮬레이션한 모든 것을 파일로 꺼낼 수 있습니다: ML 모델 학습용 NumPy .npz 그라운드트루스 데이터셋, AODT 뷰어 호환 RFData 번들, 보이는 그대로(WYSIWYG)의 뷰포트 캡처, 차트별 CSV/PNG/SVG 내보내기까지. 이 가이드에서 각 내보내기 경로를 하나씩 살펴봅니다.

여기 나오는 모든 기능은 Mock 백엔드만으로도 동작합니다 — Sionna RT가 설치되어 있지 않아도 데이터셋 생성과 모든 내보내기가 끝까지 실행됩니다(값은 mock 솔버가 만들지만, 파이프라인 테스트에는 충분합니다).

1. ML dataset 패널

데이터셋 생성기는 ML dataset 패널에 있습니다(헤더에는 ML DATASET으로 표시됩니다). 두 가지 방법으로 열 수 있습니다:

• Results 모드 — 오른쪽의 도킹 가능한 카드 중 하나입니다.
• 어느 모드에서든 툴바의 Panels ▾ 메뉴 — ML dataset 행을 클릭하면 뷰포트 위에 플로팅되고, ◧ / ◨ 버튼으로 좌/우 사이드바에 도킹할 수도 있습니다. 플로팅한 패널은 모드를 바꿔도 그대로 유지됩니다.

데이터셋 생성 단계별 안내

1. Name — 데이터셋 표시 이름입니다(아래 목록에도 나타납니다).
2. Sampling mode — UE 위치를 고르는 방식:
   • random — 영역 안 균일 랜덤 위치,
   • grid — 영역 위 정규 격자(Grid spacing 필드가 추가됩니다, 단위 m),
   • trajectory — 직선 start→end 구간 위의 점들.
3. Actor flight path — 씬 액터(웨이포인트를 가진 차량·보행자·UAV)의 저작된 궤적을 따라 샘플링하는 옵션입니다. 여기서 액터를 고르면 아래의 영역 / start-end 를 덮어씁니다; — none — 으로 두면 샘플링 모드 자체의 기하를 사용합니다. 궤적이 있는 액터가 없으면 패널이 알려 주니 먼저 Visual 모드에서 지정하세요. 필드 아래 힌트에 우선순위가 그대로 나옵니다: waypoints > actor flight path > start/end (or region).
4. dt (s) — 백엔드가 이동 샘플에 붙이는 속도/도플러 라벨의 유한차분(finite-difference) 시간 간격입니다.
5. Num samples — 풀 UE 위치 수(1–20000). CFR points — 위치당 주파수 응답 표본 수(2–4096). Height (m) — UE 샘플링 높이.
6. 영역을 설정합니다(random / grid 모드):
   • ⌖ Pick region in viewport — 버튼이 Click 2 corners… (Esc) 로 바뀌면, 씬 표면에서 영역의 마주 보는 두 모서리를 클릭하세요. XY 필드가 채워집니다(Esc 취소).
   • Fit to scene — 영역과 높이를 씬 전체를 덮도록 설정합니다(프로젝트를 열 때 패널이 실제 씬 경계로 자동 시드되므로, 엉뚱한 값에서 시작하는 일은 드뭅니다).
   • Region min / Region max — XY 모서리를 숫자로 직접 입력.
   • 힌트 줄을 눈여겨보세요. 예: "Scene spans [-40.0, -40.0]…[40.0, 40.0] m — samples outside it get zero paths." 기하 밖을 샘플링하는 것이 쓸모없는 데이터셋이 나오는 1순위 원인입니다.

   trajectory 모드에서는 대신 ⌖ Pick path in viewport 버튼과 Start / End XYZ 필드가 나타납니다.

7. Seed — 랜덤 샘플링을 재현 가능하게 만듭니다. 논문에는 함께 기록하세요.
8. Include paths — 각 샘플의 전체 레이 경로(정점 + 상호작용)를 paths.jsonl 로 추가 덤프합니다. 용량이 크므로 기본은 꺼져 있습니다.
9. Follow terrain — 각 샘플의 높이를 그 아래 표면에 스냅한 뒤 높이 오프셋을 더합니다. 경사 실외 씬에서 쓰고, 실내에서는 끄세요(지붕에 스냅됩니다).
10. Generate dataset 을 누릅니다. 솔버가 위치들을 도는 동안 버튼에 Generating… 이 표시됩니다.

데이터셋 목록

생성이 끝난 데이터셋은 버튼 아래 표에 한 행씩 나타납니다:

• name / # / created / size — 이름, 샘플 수, 생성 시각, 파일 크기.
• files — npz(dataset.npz, 배열 본체)와 json(metadata.json, 설정 에코 + 좌표/단위 규약) 다운로드 링크.
• 이름 옆의 ⚠ N zero-path 플래그는 N개 샘플에서 경로가 하나도 안 나왔다는 뜻입니다(UE가 씬 밖이거나 완전히 가려짐) — 영역을 다시 확인하세요.
• × 버튼으로 데이터셋을 삭제합니다. 한 번 누르면 ✓? 로 바뀌고, 다시 눌러야 확정됩니다(몇 초 뒤 자동 해제).

디스크에서는 프로젝트 폴더의 export/datasets/<dataset_id>/ 아래에 쌓입니다.

라벨에는 무엇이 들어 있나

.npz 에는 샘플별 위치, 복소 CFR, 경로별 CIR 이득·지연, LOS 플래그, RSS, 분산 지표가 들어 있습니다 — 정확한 배열 스키마, AODT 필드 매핑, 바로 실행할 수 있는 학습 예제(examples/ml/train_channel_estimator.py)는 ML 그라운드트루스 데이터셋 문서에 정리되어 있습니다.

2. RFData 내보내기 (AODT 뷰어 번들)

결과를 외부 AODT 스타일 뷰어나 자체 파이프라인에 넘기려면 툴바의 Actions ▾ → Export RFData 를 사용하세요. 프로젝트 폴더 안 export/rfdata/ 에 번들이 기록됩니다:

내보내기가 끝나면 Results 에 닫을 수 있는 행이 나타납니다 — "Exported RFData to export/rfdata" — 파일별 다운로드 링크가 붙어 있어 프로젝트 폴더를 뒤질 필요가 없습니다.

3. 뷰포트 캡처 — Snapshot 과 Render

뷰포트 우측 하단 버튼 묶음의 아이콘 버튼 두 개가 씬 이미지를 저장합니다:

• Snapshot(카메라 아이콘) — 보이는 그대로(WYSIWYG) 저장합니다: 현재 카메라 포즈, 레이, 마커, 라디오맵 오버레이를 캔버스 전체 해상도의 PNG로 내보냅니다. 툴팁은 "Save this exact view as a PNG (what you see, full resolution — paper-ready)" 입니다. 논문·슬라이드 그림에는 이 버튼을 쓰세요.
• Render(필름 아이콘) — Mitsuba 를 통한 오프라인 물리 기반 경로추적 렌더입니다. 더 느리고, 의도적으로 화면 뷰와 다릅니다 — 레이나 오버레이 없이 셰이딩된 씬만 렌더합니다.

디바이스/액터 시점의 실시간 1인칭 뷰인 POV 인셋에도 자체 카메라 버튼이 있어, POV 프레임을 전체 해상도 PNG로 저장할 수 있습니다.

4. 대시보드의 CSV·그림 내보내기

• Metrics dashboard 패널의 모든 차트(그리고 다른 논문 스타일 차트들)는 헤더에 PNG / SVG / CSV 버튼이 있는 프레임 안에 있습니다 — 3× 비트맵, 벡터, 또는 원 데이터 CSV. 그림은 보이는 그대로(흰 배경, Times New Roman) 내보내집니다.
• 대시보드 헤더의 Export all (CSV) 버튼은 KPI 표 전체를 metric,value,unit 행으로 다운로드합니다.
• Results 의 경로 테이블에는 Export filtered CSV (N) 이 있습니다 — 현재 필터된 경로 집합을 그대로, 경로당 한 행(type, power, delay, 상호작용 재질 포함)으로 내보냅니다.

관련 문서

• ML 그라운드트루스 데이터셋 — .npz 스키마, zero-path 경고, AODT 필드 매핑, 학습 예제 스크립트.
• 시작하기 — 설치, 첫 프로젝트, 모드 탭.
• 시뮬레이션 가이드 — 경로, 라디오맵, 그리고 데이터셋이 물려받는 솔버 설정.
• 씬·프로젝트 포맷 — 프로젝트 폴더 안 파일들의 위치.
• Sionna 버전 — 재현성을 위해 metadata.json 에 기록되는 engine.
• 15분 튜토리얼 — 데이터셋 생성을 포함한 첫 세션 전체 흐름.