Physical-AI-Entwicklerplattform

Baue auf der Infrastruktur, aus der deine Physical-AI-Modelle lernen.

Verbinden Sie Ihre Agents mit dem gehosteten MCP-Server, bauen Sie auf den Python- und TypeScript-SDKs auf, lesen Sie die Metadaten jeder Sequenz und importieren oder exportieren Sie LeRobot-Datasets.

Jetzt Loslegen Technische Einführung buchen

Gehostetes MCP

Fragen Sie den Flottenlern-Kreislauf aus Ihren KI-Tools ab.

Verbinden Sie einen gehosteten Endpunkt. Ihre Agents können Flottenaufnahmen und Warnungen, Sequenzen, Erfassungskampagnen und ihre Abnahmeabdeckung, Konsens, Qualitätsziele und den Exportstatus lesen.

Erfassungsbriefings, Lückenberichte und Evaluierungsberichte gehören zum Flottenlernprogramm. Ihr Avala-Team liefert sie Ihnen.

MCP-Anleitung lesen

Gehosteter MCP-Endpunkt

https://mcp.avala.ai/mcp

Tools nach Phase des Kreislaufs

Beobachten: fleet_list_recordingsfleet_list_eventsfleet_list_alerts
Diagnostizieren: list_sequencespreview_curation_candidates
Erfassen: list_capture_campaignsget_campaign_acceptance_coverage
Validieren: get_dataset_healthget_consensus_summarylist_quality_targets
Freigeben: list_sliceslist_exportsget_export_status

Der Zugriff folgt deinen Avala-Berechtigungen. Geprüfte Mitarbeiteraktionen erscheinen nur für berechtigte Operatoren und erfordern eine ausdrückliche Bestätigung.

Schnittstellen

Wähle die Schnittstelle, die zu deinem Stack passt.

Python, TypeScript, die öffentliche REST API und gehostetes MCP teilen dasselbe Avala-Datenmodell.

Python SDK

Synchrone und asynchrone Clients, Cursor-Paginierung, typisierte Modelle und klare Fehler.

pip install avala

client.fleet.recordings.list()
client.datasets.get_health(owner, slug)
client.exports.create(dataset=dataset_uid)

TypeScript SDK

Typisierte Ressourcen-Clients ohne Laufzeitabhängigkeiten und mit offizieller Unterstützung für Node.js 18+.

npm install @avala-ai/sdk

avala.fleet.recordings.list()
avala.datasets.getHealth(owner, slug)
avala.exports.create({ dataset })

REST API

Nutze den öffentlichen Endpunkt api.avala.ai aus jeder Sprache oder jedem authentifizierten HTTP-Client.

curl --fail-with-body -H "X-Avala-Api-Key: $AVALA_API_KEY" "https://api.avala.ai/api/v1/datasets/?limit=10"

Gehostetes MCP

Verbinde kompatible KI-Werkzeuge mit berechtigungsbezogenem Datensatz- und Betriebskontext.

https://mcp.avala.ai/mcp

Sequenz-Metadaten

Ein Schema für jede Sequenz, die Sie erhalten.

Sequenzen aus einem Flottenlernprogramm tragen dieselben Felder. Ihr Trainingscode kann sie ohne Rätselraten filtern, aufteilen und gewichten.

So wird jede Sequenz bewertet

Ergebnislabel für beide Bewertungen
Teilaufgabengrenzen mit einer sprachlichen Beschreibung jedes Schritts
Qualitäts- und Geschwindigkeitsbewertungen
Fehler- und Korrektursegmente
Rig- und Kalibrierungs-IDs
Leakage-Gruppen nach Wohnung, Objekt und Bediener

Mit Leakage-Gruppen teilen Sie Trainings- und Testsets so auf, dass dieselbe Wohnung, dasselbe Objekt oder derselbe Bediener nie auf beiden Seiten erscheint.

LeRobot-Format

Daten im LeRobot-Format importieren und exportieren.

Importieren Sie ein LeRobot-Dataset als MCAP-Sequenzen in Avala oder exportieren Sie ein Avala-Sequenz-Dataset als LeRobot-v3-Dataset. Jede LeRobot-Episode entspricht einer Avala-Sequenz. Beide Befehle sind Teil des Python-SDK und benötigen Python 3.12 oder neuer.

CLI mit LeRobot-Unterstützung installieren: CLI mit LeRobot-Unterstützung installieren
pip install "avala[cli,lerobot]"
Dataset aus dem Hugging Face Hub importieren: Dataset aus dem Hugging Face Hub importieren
avala import lerobot --repo-id lerobot/svla_so101_pickplace --name "SO-101 pick and place" --slug so101-pick-and-place
Sequenz-Dataset nach LeRobot v3 exportieren: Sequenz-Dataset nach LeRobot v3 exportieren
avala lerobot export my-org/so101-pick-and-place --repo-id my-hf-user/so101-pick-and-place --output ./lerobot-out

Erster Kreislauf

Prüfe deine Daten mit einer authentifizierten Anfrage.

Gib deinen Schlüssel über eine nicht sichtbare Eingabe ein und frage die öffentliche API ab, während die Zugangsdaten in einer temporären Subshell isoliert bleiben.

Bash oder Zsh · curl · ein Avala-API-Schlüssel

Authentifizierte öffentliche API · Bash oder Zsh

(
  printf "Avala API key: " &&
    IFS= read -rs AVALA_API_KEY &&
    printf "\n" &&
    export AVALA_API_KEY &&
    curl \
      --fail \
      --silent \
      --show-error \
      -H "X-Avala-Api-Key: $AVALA_API_KEY" \
      "https://api.avala.ai/api/v1/datasets/?limit=10"
)

Programmierbarer Workflow

Programmiere den vollständigen Physical-AI-Datenkreislauf.

Nutze stabile Schnittstellen für die operativen Schritte zwischen rohen Sensordaten und dem nächsten Modelllauf.

Sensordaten aufnehmen

Führe MCAP-, LiDAR-, Video-, ROS-Bag- oder LeRobot-Daten in einem Datensatzmodell zusammen.

CLIPython SDKREST API

Datensatzstatus prüfen

Prüfe Indizierung, Sequenzen, Frame-Anzahlen und Kalibrierung, bevor Daten in die Produktion gelangen.

CLIPython SDKREST API

Modellgestützte Kennzeichnung ausführen

Starte projektbezogene Auto-Labeling-Aufträge und halte die menschliche Prüfung im selben gesteuerten Workflow.

CLIPython SDKMission Control

Trainingsfertige Exporte veröffentlichen

Erstelle einen Datensatz- oder Projektexport und verfolge ihn bis zur Fertigstellung für das nachgelagerte Training.

CLIPython SDKREST API

Technische Einführung

Bring uns deinen schwierigsten Datenkreislauf.

Wir bilden Schnittstellen, Speicherpfad, Qualitätsgates und Release-Vertrag anhand eines echten Workflows ab.

Technische Einführung buchen API-Referenz lesen