Rerun

À propos de Rerun

Rerun est une plateforme open source conçue pour journaliser, visualiser, requêter et exploiter des données multimodales et temporelles. Elle s’adresse principalement aux domaines de la robotique, de la vision par ordinateur et de l’intelligence artificielle physique (Physical AI). Son objectif est de fournir une couche de données unifiée permettant de capturer, d’explorer et d’analyser des flux hétérogènes tels que des images, des nuages de points, des lectures de capteurs (LIDAR, radar, IMU, GPS), des vidéos, des tenseurs et bien d’autres types de signaux issus de systèmes autonomes.

Développée par une équipe spécialisée dans l’infrastructure robotique, Rerun se distingue par son approche combinant enregistrement en temps réel, visualisation interactive et capacités d’interrogation avancées, le tout dans un environnement ouvert. Le cœur de la plateforme est un SDK disponible en Python, C++ et Rust, qui permet d’intégrer facilement le logging de données dans n’importe quel pipeline logiciel. Un viewer temps réel, accessible localement ou dans un navigateur Web, offre une inspection visuelle des données, qu’elles soient diffusées en direct ou rejouées à partir de fichiers enregistrés (formats .rrd ou .mcap).

Rerun Hub, une extension cloud optionnelle, ajoute des fonctionnalités de stockage, de catalogage et de requêtage à grande échelle, en s’appuyant sur un object store. Cela permet aux équipes de centraliser, d’indexer et de servir des datasets volumineux, tout en conservant la traçabilité complète des expériences.

Fonctionnalités principales

SDK open source et multi-langages

Le SDK de Rerun est la brique de base. Il permet d’enregistrer des données multimodales directement depuis le code d’une application (robot, simulateur, algorithme de vision). Les bindings Python, C++ et Rust couvrent la majorité des environnements de développement en robotique et en IA.

Viewer temps réel et différé

Le visualiseur natif de Rerun peut afficher des flux en direct (streaming) ou des fichiers préenregistrés. Il supporte la navigation 3D (scènes, nuages de points, transformations), l’affichage d’images, de vidéos, de graphiques temporels et de tenseurs. Le viewer peut être lancé localement ou dans un navigateur, ce qui facilite le partage et la collaboration.

Formats de données et interopérabilité

Rerun utilise son propre format .rrd (Rerun Recording Data) et supporte le format standard .mcap (Message Capture) utilisé dans l’écosystème ROS et autres middlewares robotiques. Une API de traitement par lots permet de convertir des données en provenance d’autres sources.

Requêtes analytiques

Au-delà de la simple visualisation, Rerun offre des capacités de requêtage avancées via une interface de type DataFrame ou SQL. On peut ainsi interroger non seulement les métadonnées des enregistrements, mais aussi le contenu même des données temporelles, par exemple filtrer tous les segments où la profondeur dépasse un seuil ou où un objet est détecté.

Rerun Hub : stockage et catalogage

Le Hub est une solution cloud (ou déployable sur site) pour organiser, indexer et servir des datasets à grande échelle. Il permet de centraliser les enregistrements de multiples sources, d’ajouter des annotations et des colonnes dérivées sans altérer l’historique, et de requêter sur l’ensemble du catalogue. Il est conçu pour les pipelines de données robotiques où la traçabilité est cruciale.

Dataloader pour l’entraînement IA

Une interface de chargement de données (dataloader) est fournie pour alimenter directement des modèles d’apprentissage machine à partir des enregistrements Rerun. Cela simplifie la préparation de datasets d’entraînement en évitant des conversions fastidieuses et en permettant le streaming vers le GPU.

Extensibilité

La plateforme est conçue pour être étendue : vues personnalisées, callbacks, plugins, outils de post-traitement. Les développeurs peuvent ajouter des visualisations spécifiques à leur domaine ou intégrer Rerun dans des pipelines existants.

Tarification

Le SDK Rerun et le viewer de base sont entièrement open source et gratuits. Ils peuvent être utilisés sans limite pour le développement, les tests et la production, dans le respect de la licence choisie (MIT ou Apache 2.0 selon les composants).

Rerun Hub, le service cloud de stockage et de catalogage, n’a pas de grille tarifaire publique à ce jour (avril 2026). Les prix dépendent probablement du volume de données stockées, du nombre de requêtes et des options de déploiement (cloud public, privé, sur site). La documentation officielle ne précise pas de forfait mensuel ou annuel. Il est conseillé de contacter l’équipe de Rerun pour obtenir une soumission adaptée aux besoins.

À titre de comparaison, un autre produit portant le nom « Rerun » (un agent builder no-code listé sur Product Hunt) est facturé à partir de 24 $ US par mois, soit environ 33 $ CA par mois. Ce produit est toutefois distinct et ne partage pas la même vocation ni la même architecture.

Pour la plupart des usages en recherche, prototypage et petites équipes, le SDK open source et le viewer suffisent largement. Le Hub devient pertinent lorsque le volume de données et le besoin de catalogage centralisé dépassent les capacités d’un stockage local.

Cas d’utilisation

Débogage de robots et systèmes autonomes

L’un des cas les plus courants est le débogage visuel de comportements inattendus. En enregistrant l’intégralité des flux capteurs et des décisions logicielles, une équipe peut rejouer une session, examiner chaque trame, identifier l’origine d’une anomalie (par exemple une fausse détection due à un nuage de points bruité) et corriger le code ou le modèle.

Analyse de datasets multimodaux

Les chercheurs en vision par ordinateur ou en fusion de capteurs peuvent explorer de grands jeux de données (ex. : nuits de conduite, séquences de manipulation robotique) en superposant images, LIDAR, annotations manuelles et prédictions de modèles. Les requêtes temporelles permettent d’isoler des situations rares (obstacles soudains, conditions d’éclairage difficiles).

Visualisation de scènes 3D et de capteurs

Rerun excelle dans la représentation de scènes 3D dynamiques : nuages de points, maillages, poses de caméra, trajectoires de robots, champs de forces, tenseurs de profondeur. Les ingénieurs peuvent superposer des données provenant de plusieurs capteurs pour valider leur calibrage ou la qualité des mesures.

Préparation de données d’entraînement pour l’IA physique

Grâce au dataloader intégré et aux requêtes sur le Hub, les équipes de ML peuvent constituer des sous-ensembles équilibrés, filtrer des segments inintéressants et streamer les données directement vers les pipelines d’entraînement (PyTorch, TensorFlow). Cela accélère le cycle de développement des modèles de perception, de planification et de contrôle.

Comparaison de runs et d’expériences

Les ingénieurs peuvent juxtaposer plusieurs enregistrements d’une même séquence (après une modification d’algorithme, un changement de paramètres) et visualiser les différences en temps réel. Cette fonctionnalité est précieuse pour le réglage de systèmes autonomes.

Notre avis

Rerun est un outil de niche, mais dans son domaine – la gestion et la visualisation de données robotiques multimodales – il est remarquablement bien conçu. L’approche open source, la rapidité du viewer et la puissance des requêtes en font un candidat sérieux pour remplacer ou compléter des solutions comme Foxglove ou TensorBoard.

Points forts :

• Combinaison unique de logging, visualisation, requête et gestion de datasets dans une seule pile.
• SDK simples à intégrer dans des bases de code existantes (Python, C++, Rust).
• Viewer temps réel fluide, même avec des données lourdes (nuages de points, vidéos HD).
• Gratuit pour le cœur (SDK + viewer). Le Hub cloud apporte une valeur ajoutée pour les équipes importantes.
• Communauté active et documentation technique soignée.

Points à surveiller :

• La plateforme est très spécialisée : elle est pensée pour la robotique et l’IA physique. Pour d’autres types de données temporelles (séries financières, logs applicatifs), des outils plus généraux pourraient être plus adaptés.
• L’absence de tarification publique pour le Hub peut être un frein pour les décideurs qui ont besoin de prévoir des budgets. Il faudra contacter l’éditeur pour obtenir une offre.
• La courbe d’apprentissage n’est pas nulle : bien que le SDK soit documenté, l’utilisateur doit comprendre les concepts de logging de données multimodales et les spécificités du format .rrd.
• L’écosystème est encore jeune ; certaines fonctionnalités avancées (annotations collaboratives, intégration poussée avec des simulateurs) sont en développement.

Recommandation : Si vous travaillez dans la robotique, la vision par ordinateur ou l’IA physique et que vous cherchez un outil pour journaliser, visualiser et interroger vos données de manière efficace, Rerun est un excellent choix, surtout en mode open source gratuit. Pour des besoins de centralisation et de catalogage à grande échelle, évaluez le Hub après avoir consulté les tarifs auprès de l’équipe. Pour d’autres secteurs, regardez du côté de Foxglove (visualisation ROS), Weights & Biases (suivi d’expériences ML) ou TensorBoard (logs basiques). Rerun est sans conteste un outil moderne qui répond à un besoin réel et croissant.