What sensor data can Avala label for robotics?
Avala publishes workflows for cameras, video, LiDAR, point clouds, depth maps, and sequences, and it imports MCAP, ROS 1, and ROS 2 recordings with synchronized camera, LiDAR, and telemetry streams.
Sensor data labeling
Avala labels camera, LiDAR, point-cloud, and sequence data for robotics, then keeps that work inside the fleet learning loop: ingest, review, a versioned dataset, and the training handoff.
Fleet Learning Infrastructure für Physical AI
| Capability | Status | What Avala publishes |
|---|---|---|
| Cameras and video | Supported | Images and video are labeled with 2D boxes and masks, alongside the sequence they belong to. |
| LiDAR and point clouds | Supported | Point-cloud scenes take 3D cuboids and point-cloud labels, with camera and sequence context kept where the workflow supports them. |
| Depth maps | Supported | Depth maps are a published annotation type on the same workflow as video, point clouds, text, and audio. |
| MCAP, ROS 1, and ROS 2 | Supported | 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 |
| Timestamp and calibration context | Preserved | Timestamp and calibration context stay attached while teams inspect the same event across sensor streams. |
| 2D boxes, masks, polylines, and classifications | Supported | These are published ground-truth outputs for camera and sequence data. |
| 3D cuboids | Supported | Cuboids capture position, dimensions, and heading in point-cloud scenes. |
| Tracking across a sequence | Supported | Tracked objects are a published output, so an object keeps its identity across the sequence. |
| Trajectory context | Supported | Camera, point-cloud, and trajectory data stay aligned as work moves through labeling and review. |
| LeRobot datasets | Supported | 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. 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 |
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.
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.
observation.images.*
--state-key → observation.state
--action-key → action
frame_index / fps → timestamp
--include-outcomes → meta/avala_sequence_outcomes.jsonlGelenkzustände 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.
foxglove.CompressedImage / CompressedVideo → observation.images.*
/joint_states → observation.state
/joint_commands → action
frame_index / fps → timestamp
meta/avala_export_report.jsonNutzen 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.
The pages below are the detailed sources for the capabilities in the table.
Avala publishes workflows for cameras, video, LiDAR, point clouds, depth maps, and sequences, and it imports MCAP, ROS 1, and ROS 2 recordings with synchronized camera, LiDAR, and telemetry streams.
Die Annotation ist im Fleet-Learning-Ablauf von Avala mit Datenimport, Visualisierung, Qualitätsprüfung und versionierter Datensatzbereitstellung verbunden.
Labeling runs with human review and traceable quality-control states. The annotation pages describe the review path for camera, LiDAR, and telemetry.
Book a demo, or read the ground-truth outputs and the MCAP annotation page. LeRobot import and export are documented with the SDKs.