Physical-AI-Entwicklerplattform

Baue die Datenschicht, aus der deine Physical-AI-Modelle lernen.

Nutze typisierte SDKs, CLI, REST oder MCP, um Sensordaten aufzunehmen, den Datensatzstatus zu prüfen, Releases zu steuern und Modellfeedback in den nächsten Trainingszyklus zu tragen.

Schnellstart lesen Technische Einführung buchen

Erster Kreislauf

Prüfe die Datenschicht 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

Gehostetes MCP

Bringe gesteuerten Datensatzkontext in deine KI-Werkzeuge.

Verbinde einen gehosteten Endpunkt, um Datensätze, Aufnahmen, Qualitätsnachweise und Betriebsstatus zu prüfen, auf die dein Konto zugreifen kann.

MCP-Anleitung lesen

Gehosteter MCP-Endpunkt

https://mcp.avala.ai/mcp

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

TypeScript SDK

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

npm install @avala-ai/sdk

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

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