Für Robotik und Embodied AI

Von Roboteraufnahmen zu geprüften Trainingsdaten.

Stimmen Sie Annotation oder Datenerfassung auf Ihre Sensoren, Aufgaben und Abnahmekriterien ab. Prüfen Sie die benötigten Signale und das Exportformat, bevor Sie ein Programm ausweiten.

Ein zentraler operativer Datenbestand verbindet Sensordaten, Annotationsentscheidungen, Qualitätsnachweise, Datensatzversionen und Modellfeedback.

MCAP- und ROS-Daten
LiDAR und Punktwolken
Multi-Kamera-Video
Telemetrie und Trajektorien

Für Physical AI-Programme entwickelt

Beginnen Sie mit der Lernaufgabe.

Derselbe kontrollierte Datenkreislauf unterstützt Teams für Wahrnehmung, Verhalten und Embodied-Modelle, ohne jedes Programm in dasselbe Schema oder dieselbe Review-Richtlinie zu zwingen.

Multimodale Wahrnehmung

Kuratieren und annotieren Sie synchronisierte Kamera-, LiDAR- und Telemetriedaten für Erkennung, Tracking, Segmentierung und Szenenverständnis.

Manipulation und Verhalten

Definieren Sie Beobachtungen, aufgezeichnete Aktionen, gemessene Roboterzustände und Aufgabenergebnisse getrennt. Prüfen Sie die vorhandenen Signale, bevor Sie Video als Trainingstrajektorie behandeln.

Grenzfälle und Sicherheit

Finden Sie seltene Szenarien, bewahren Sie Review-Nachweise und veröffentlichen Sie genehmigte Datensatzversionen für sicherheitskritische Evaluierung und erneutes Training.

Flottenfeedback und Drift

Verwandeln Sie Modellfehler und Produktionsdrift in gezielte Szenensuchen, neue Arbeitswarteschlangen und rückverfolgbare Datensatzfreigaben.

Was erhält Ihr Trainingsdatenlader?

Prüfen Sie Eingabeformat, erhaltene Felder und Ausgabeschema, bevor Sie ein Annotationsprogramm starten. Diese SDK-Verfahren unterscheiden zwischen Sensorwiedergabe, Konvertierung und Daten für das Training von Steuerungsstrategien.

MCAP und ROS

Die MCAP-Wiedergabe nutzt unterstützte Nachrichtenschemata. Der ROS-Bag-Importer des SDK konvertiert Kameradaten und unterstützte numerische oder textbasierte Topics; übersprungene Topics, einschließlich Punktwolken, werden gemeldet.

Unterstützte Nachrichtentypen

LeRobot-Import

Importieren Sie LeRobot-Daten als MCAP-Aufzeichnungen. Die Hin- und Rückkonvertierung von LeRobot v3 erhält numerische und textbasierte Spalten; Kamerabilder werden neu codiert, sodass die Pixel nicht identisch sind.

LeRobot-Konvertierungsanleitung

LeRobot-Export

Eine Avala-Sequenz wird zu einer LeRobot-Episode. Zustände und Aktionen erfordern numerische Quellfelder. Optionale Ergebnislabels werden in eine Begleitdatei geschrieben; Zeitstempel beim Sequenzexport folgen der konfigurierten Bildrate.

LeRobot-Konvertierungsanleitung

Was erreicht Ihren Trainingsdatenlader?

Prüfen Sie die Feldzuordnungen zweier Exportwege für LeRobot v3. Die erforderlichen Eingaben unterscheiden sich: Kameradaten allein liefern keine Roboteraktionen. Öffnen Sie jeden Weg, bevor Sie einen Konverter wählen.

Avala-Sequenzen → LeRobot v3

Standardexporte enthalten Kameras, Zeitstempel und Aufgabentext. Zustand und Aktionen benötigen konfigurierte numerische Quellfelder; fehlende Werte führen zu Fehlern. Ergebnisse sind optionale Metadaten in einer Begleitdatei. Sequenzzeitstempel verwenden die konfigurierte Bildrate.

Referenz der Exportfelder
observation.images.*
--state-key → observation.state
--action-key → action
frame_index / fps → timestamp
--include-outcomes → meta/avala_sequence_outcomes.jsonl
Roboter-MCAP → LeRobot v3

Gelenkzustände liefern gemessene Positionen; ein separates Befehlsthema liefert Aktionen. Die Bilder folgen der ersten Kamera, andere Themen werden zum jeweiligen Zeitpunkt oder davor abgetastet. Der Exportbericht enthält Zeitabweichungen, verworfene Anfangsbilder und den Videokodierungsmodus.

Referenz der Exportfelder
foxglove.CompressedImage / CompressedVideo → observation.images.*
/joint_states → observation.state
/joint_commands → action
frame_index / fps → timestamp
meta/avala_export_report.json
LeRobot-Konvertierungsanleitung

Ein kontinuierlicher Kreislauf

Von der Sensorerfassung zur Modellverbesserung

Jede Phase schreibt in denselben kontrollierten Datensatz zurück. So arbeiten Teams schneller, ohne Kontext, Qualität oder Provenienz zu verlieren.

  1. Erfassen
  2. Kuratieren
  3. Labeln
  4. Qualitätskontrolle
  5. Veröffentlichen
  6. Trainieren
  7. Verbessern

Datensatz-Ops

Bringe deine Daten auf Skalierung

Avala verwaltet bereits nachvollziehbare Datensatzlieferungen. Das Self-Service-Register und der öffentliche Resolver befinden sich in Entwicklung.

Mit demselben Dataset-Datensatz verbunden

Annotations-Ops

Verwandle menschliche Expertise in Produktionsdaten

Route Aufgaben, setze Labeling-Richtlinien durch und koordiniere verteilte Teams mit messbarer statt subjektiver QC.

Mit demselben Dataset-Datensatz verbunden

Modellverwaltung

Verstehe Modellverhalten

Überwache Drift, verfolge die Real-World-Performance und führe jedes Release auf die Daten, Labels und Entscheidungen zurück, aus denen es entstanden ist.

Mit demselben Dataset-Datensatz verbunden

Eine Steuerungsebene

Das System of Record zwischen Sensoren und Modellen.

Mission Control hält Daten, Entscheidungen und Modellfeedback im selben operativen Kontext. Teams können die Nachweise hinter einer Freigabe prüfen, statt sie nach der Auslieferung zu rekonstruieren.

Schematische Darstellung des Arbeitsablaufs, kein Produkt-Screenshot oder gemessenes Ergebnis.

Datensatzidentität

Genau wissen, womit das Modell trainiert wurde

Geben Sie jedem Datensatz und jeder Version eine stabile Identität mit rückverfolgbarer Datenherkunft bis zu den Quellszenen und Qualitätsentscheidungen.

Steuerungsebene

Den Workflow steuern

Steuern Sie Annotation, Review, Konsens und Freigaberichtlinien über eine einzige Steuerungsebene, statt Projekttools miteinander zu verknüpfen.

Gesteuerte Ausführung

Die schwierigen Teile skalieren

Ergänzen Sie spezialisierte Fachkräfte dort, wo der Workflow Urteilsvermögen oder Durchsatz braucht. Die Arbeit bleibt im System of Record und wird nicht zur Serviceübergabe.

Trainingsbereite Ergebnisse

Signale veröffentlichen, denen Ihr Trainings-Stack vertrauen kann.

Veröffentlichen Sie modellbereite Daten, die mit den Rohszenen, Transformationen, dem Annotationsverlauf und den Akzeptanzkriterien verknüpft bleiben, aus denen sie entstanden sind.

  • 2D-, 3D- und temporale Labels
  • Versionierte Datensatzmanifeste
  • Qualitäts- und Konsensprotokolle
  • Portable Export-Pipelines

Bereitstellung und Governance

Ihre Datengrenzen bleiben unter Ihrer Kontrolle.

Halten Sie sensible Daten privat, während Teams mit einem verwalteten Datenbestand arbeiten. Avala läuft in der Avala Cloud, und BYOS (Bring Your Own Storage) hält Quelldaten in Ihrem Bucket und Ihrer Region. Zugriffskontrollen, Nachvollziehbarkeit und Datenisolation sind in den Workflow integriert.

Sicherheit erkunden

Wie sollten Sie ein Datenprogramm bewerten?

Nutzen Sie diese Checkliste, um einen Benchmark mit Avala oder einem anderen Anbieter abzugrenzen. Vereinbaren Sie Nachweise und Abnahmekriterien vor Beginn. Ein Häkchen dokumentiert nur Ihre Prüfung auf dieser Seite; es zertifiziert keinen Anbieter und sendet keine Anfrage.

Leere Planungsvorlagen auf Englisch. Definieren Sie Anforderungen und dokumentieren Sie Nachweise, bevor Sie ein Programm vereinbaren. Diese Dateien enthalten keine Ergebnisse oder Geschäftsbedingungen.

Den Kreislauf aufbauen

Vereinbaren Sie, was gute Daten ausmacht.

Bringen Sie eine repräsentative Aufnahme, Ihr Ausgabeschema und Abnahmekriterien mit. Prüfen Sie zuerst die Integration, dann Qualität und Aufwand, bevor Sie den Umfang erweitern.

Datenprogramm abstimmen