> ## Documentation Index
> Fetch the complete documentation index at: https://avala.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Exporte

> LeRobot-Datensätze in Avala übernehmen, Avala-Datensätze nach LeRobot exportieren, und was jedes Fleet-Learning-Release enthält

Ein Fleet-Learning-Release ist für Ihren Trainings-Stack gebaut. Diese Seite behandelt den LeRobot-Importer, den LeRobot-Exporter und die Dateien, die mit jedem Release ausgeliefert werden.

## Was mit jedem Release ausgeliefert wird

Jedes Release in einem Fleet-Learning-Programm enthält:

| Element | Inhalt |
| - | - |
| Datensatz-Release | Ein versionierter, rechtlich geklärter Avala-Datensatz. Trainingsspuren und die Fehler-und-Erholungs-Spur werden als Slices geliefert. |
| Ergebnis-Labels | Das aktuelle [Ergebnis-Label](/docs/de/fleet-learning/sequence-metadata.md) jeder Sequenz, lesbar über die API, die SDKs, die CLI und den MCP-Server. |
| LeRobot-Export | Das Release im LeRobot-v3-Format, mit den Ergebnis-Labels in `meta/avala_sequence_outcomes.jsonl`. |
| Abdeckungsbericht | Der [Abdeckungsbericht](/docs/de/fleet-learning/coverage.md) für die Lieferung. |
| Fähigkeitsbericht | Der neueste [Fähigkeitsbericht](/docs/de/fleet-learning/evaluation.md), wenn eine Evaluation lief. |

Avala bereitet den LeRobot-Export als Teil des Programms vor. Sie führen das Training durch.

## Einen LeRobot-Datensatz importieren

Der LeRobot-Importer liest einen LeRobot-Datensatz vom Hugging Face Hub oder aus einem lokalen Verzeichnis. Er erstellt einen Avala-MCAP-Datensatz.

* Jede LeRobot-Episode wird zu einer `.mcap`-Datei, die Avala als ein Element aufnimmt. Eine LeRobot-Episode entspricht einer Avala-Sequenz.
* Kamerastreams werden als `foxglove.CompressedImage` geschrieben, sodass sie im Mission Control Viewer dargestellt werden.
* Propriozeption (`observation.state`, `action` und andere numerische 1-D-Features) wird als `google.protobuf.Struct`-Nachrichten geschrieben. Die Werte bleiben erhalten und sind als Rohnachrichten lesbar.
* Jede weitere Spalte pro Frame (Rewards, `episode_uuid`, `failure_type` und andere Textspalten) bleibt in einem eigenen Topic erhalten. Eine `control_source`-Spalte (`policy`, `teleop`, `intervention`, `hold`) landet in `/lerobot/control_source`.

Der Importer zielt auf die LeRobot-Datensatz-API v2.1 und v3. Er benötigt das Extra `lerobot`, das Python 3.12 oder neuer voraussetzt. Für LeRobot-v3-Datensätze funktioniert auch ein Reader ohne torch unter Python 3.9 oder neuer: `pip install "avala[lerobot-core-video]"`.

```bash theme={null}
pip install "avala[lerobot]"
```

```bash CLI theme={null}
avala import lerobot \
  --repo-id your-hf-user/your-dataset \
  --name "Teleop rollouts" \
  --slug teleop-rollouts \
  --episodes 0,1,2 \
  --wait
```

```python Python theme={null}
from avala import Client
from avala.importers import import_lerobot

dataset = import_lerobot(
    Client(),
    repo_id="your-hf-user/your-dataset",
    name="Teleop rollouts",
    slug="teleop-rollouts",
    episodes=[0, 1, 2],
    wait=True,
)
print(dataset.uid, dataset.item_count)
```

| CLI-Option | Zweck |
| - | - |
| `--repo-id` | Datensatz-ID im Hugging Face Hub. |
| `--root` | Lokales LeRobot-Datensatzverzeichnis, anstelle von oder zusätzlich zu `--repo-id`. |
| `--name`, `--slug` | Name und Slug des neuen Avala-Datensatzes (erforderlich). |
| `--episodes` | Kommagetrennte Indizes der LeRobot-Episoden für den Import. Standard: alle. |
| `--camera-keys` | Kommagetrennte Kamera-Feature-Keys. Standard: alle Kameras. |
| `--fps` | Überschreibt die Bildrate des Datensatzes. |
| `--owner` | Benutzername oder E-Mail des Datensatzbesitzers. |
| `--workers` | Parallele Upload-Threads. Standard: 8. |
| `--wait` / `--no-wait` | Auf den Abschluss der Indizierung warten. Standard: nicht warten. |

Übergeben Sie `repo_id`, `root` oder beides. In Python wählt `state_keys` die numerischen Features, die erhalten bleiben. Standardwerte sind `observation.state` und `action`.

## Einen Avala-Datensatz nach LeRobot exportieren

Sie können auch jeden Avala-Sequenzdatensatz selbst in LeRobot v3 konvertieren. Eine Avala-Sequenz wird zu einer LeRobot-Episode.

```bash theme={null}
avala lerobot export your-org/your-dataset \
  --repo-id your-hf-user/your-dataset \
  --output ./lerobot-out \
  --fps 30 \
  --task "load the dishwasher" \
  --include-outcomes
```

`--include-outcomes` schreibt das aktuelle Ergebnis-Label jeder Sequenz nach `meta/avala_sequence_outcomes.jsonl`, eine Zeile pro LeRobot-Episode. In Python übergeben Sie `include_outcomes=True`. Das Dateiformat ist unter [Ergebnis-Labels mit LeRobot exportieren](/docs/de/fleet-learning/sequence-metadata.md) beschrieben.

Fügen Sie `--state-key` und `--action-key` hinzu, wenn die Quellframes Propriozeption enthalten. Die vollständige Optionsliste und die Python-API finden Sie unter [Avala + LeRobot](/docs/resources/frameworks/lerobot.md).

## Ergebnis-Labels im Training nutzen

Die Ergebnis-Labels begleiten den LeRobot-Export. Typische Verwendungen:

* Gewichten oder wählen Sie Sequenzen nach `outcome`, `progress`, `quality` und `speed`.
* Trainieren Sie auf den `label`-Strings der Teilaufgaben und den `action`-Strings der Handaktionen für sprachkonditionierte Policies.
* Teilen Sie nach [Leakage-Gruppe](/docs/de/fleet-learning/sequence-metadata.md) auf, wenn Sie eigene Validierungssets bauen.
* Halten Sie Sequenzen, deren `evaluation_membership` auf `held_out_eval` steht, aus dem Training heraus, wenn Sie Daten aus anderen Quellen zusammenführen. Releases enthalten sie nie.

Technische Gültigkeit ist nicht Teil des Exports. Avala prüft und akzeptiert Sequenzen, bevor sie in ein Release gelangen. Siehe [Technische Gültigkeit](/docs/de/fleet-learning/sequence-metadata.md).