> ## 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.

# Fleet Learning

> Wie Avala die Fehler Ihrer Flotte in die Daten, die Evaluation und die Releases verwandelt, die Ihr nächstes Modell braucht

Avala ist Fleet Learning Infrastructure for Physical AGI. Jede Flotte sollte aus ihrer eigenen Erfahrung lernen. Avala sitzt in der Infrastrukturschicht unter Ihrem Modell. Sie trainieren das Modell, und es gehört Ihnen. Avala betreibt den Kreislauf um das Modell herum: Evaluation, Fehlerdiagnose, Datenerhebung, Validierung und Release.

Dieser Abschnitt dokumentiert das Fleet-Learning-Programm. Er behandelt den Kreislauf, die Einträge, die Avala führt, die Schemas, die Avala liefert, und die Berichte, die Sie erhalten.

## Der Kreislauf

Jeder Zyklus beginnt mit dem, was Ihre Flotte in der realen Welt tut. Er endet mit einem Release, auf dem Sie trainieren können.

**1. Beobachten**

Ihre Roboter laufen. Rollouts, Eingriffe und Fehler fließen als Flottenaufnahmen und Events in Avala. Siehe [Fehler-Ingest](/docs/de/fleet-learning/failure-ingestion.md).

**2. Diagnostizieren**

Avala segmentiert die Rollouts, gruppiert die Fehler in eine Fehlertaxonomie und schreibt einen Lückenbericht.

**3. Evaluieren**

Avala bewertet Ihre aktuelle Modellversion auf zurückgehaltenen Evaluationsszenen aus der realen Welt. Siehe [Evaluation](/docs/de/fleet-learning/evaluation.md).

**4. Erheben**

Avala erhebt die Daten, die der Lückenbericht verlangt. Jeder Batch zielt auf bestimmte [Abdeckungszellen](/docs/de/fleet-learning/coverage.md) und zählt nur [akzeptierte Stunden](/docs/de/fleet-learning/accepted-hour.md).

**5. Trainieren**

Sie trainieren Ihr Modell auf dem Release. Das Training bleibt auf Ihrer Seite.

**6. Validieren**

Avala evaluiert die neue Modellversion erneut auf denselben zurückgehaltenen Szenen und berichtet die Veränderung pro Fehlermodus.

**7. Veröffentlichen**

Avala veröffentlicht ein versioniertes, rechtlich geklärtes Datensatz-Release mit [Sequenz-Metadaten](/docs/de/fleet-learning/sequence-metadata.md) und [Trainingsexporten](/docs/de/fleet-learning/exports.md).

**8. Beobachten**

Das neue Modell geht zurück in Ihre Flotte. Seine Rollouts starten den nächsten Zyklus.

## Wer was tut

| Schritt | Sie | Avala |
| - | - | - |
| Beobachten | Betreiben die Flotte. Senden Rollouts, Logs und Eingriffe. | Nimmt Aufnahmen und Events auf. Prüft die Sensorintegrität. |
| Diagnostizieren | Prüfen den Lückenbericht. Setzen Prioritäten. | Segmentiert Rollouts, gruppiert Fehler, schreibt den Lückenbericht. |
| Evaluieren | Stellen Modellversionen oder Rollouts auf den Evaluationsszenen bereit. | Pflegt zurückgehaltene Szenen, bewertet Durchläufe, berichtet Metriken. |
| Erheben | Genehmigen das Briefing. | Plant die Erfassungskampagne, erhebt, prüft und akzeptiert Sequenzen. |
| Trainieren | Trainieren das Modell und besitzen es. | Liefert das Release in den Formaten, die Ihr Trainings-Stack liest. |
| Validieren | Betreiben die neue Modellversion. | Evaluiert erneut und berichtet die Veränderung der Fähigkeiten. |
| Veröffentlichen | Entscheiden, was in die Flotte geht. | Versioniert den Datensatz, dokumentiert Herkunft und Einwilligung, veröffentlicht das Release. |

Sie entscheiden, was das Modell lernt und wann es ausgeliefert wird. Avala liefert die Belege und die Daten für jede Entscheidung.

## Wie ein Engagement abläuft

Jedes Engagement folgt denselben fünf Schritten. Jeder Schritt erzeugt ein Artefakt, das Sie prüfen können.

1. **Fehler.** Sie senden Rollouts, in denen das Modell versagt hat oder Hilfe brauchte. Avala liest sie als Flottenaufnahmen und Events.
2. **Lückenbericht.** Avala gruppiert die Fehler nach Fehlermodus und benennt die Abdeckungszellen, die fehlen oder dünn besetzt sind.
3. **Briefing.** Avala macht aus dem Lückenbericht ein Erhebungsbriefing. Das Briefing nennt Zielabdeckungszellen, Konzentrationsgrenzen, Akzeptanzkriterien und die Evaluationskohorte. Sie genehmigen es.
4. **Batch.** Avala erhebt und prüft den Batch. Jede Lieferung enthält einen [Abdeckungsbericht](/docs/de/fleet-learning/coverage.md) und Metadaten pro Sequenz.
5. **Erneute Evaluation.** Avala bewertet Ihre nächste Modellversion auf den zurückgehaltenen Szenen. Der [Fähigkeitsbericht](/docs/de/fleet-learning/evaluation.md) zeigt, was sich verändert hat, und legt die nächste Zuteilung fest.

Lückenberichte, Briefings und Fähigkeitsberichte werden als Teil des Programms geliefert. Die Objekte dahinter, etwa Flottenaufnahmen, Erfassungskampagnen, Datensätze und Slices, können Sie mit den SDKs und dem MCP-Server lesen.

Avala führt jeden Zyklus als [Fähigkeitsexperiment](/docs/de/fleet-learning/capability-experiments.md). Der Eintrag verknüpft die Modellversion, den Fehler, die Daten und das Ergebnis.

## In diesem Abschnitt

> **[Fähigkeitsexperimente](/docs/de/fleet-learning/capability-experiments.md)**
>
> Der Eintrag, der einen Fehler mit den dafür erhobenen Daten und dem gemessenen Ergebnis verknüpft.

> **[Schema der Sequenz-Metadaten](/docs/de/fleet-learning/sequence-metadata.md)**
>
> Das Ergebnis-Label jeder Sequenz, wie technische Gültigkeit gemeldet wird und wie Sie beides lesen und exportieren.

> **[Akzeptierte Stunde](/docs/de/fleet-learning/accepted-hour.md)**
>
> Die Einheit, die Avala liefert, und die Ablehnungsgründe, die Avala berichtet.

> **[Abdeckung](/docs/de/fleet-learning/coverage.md)**
>
> Abdeckungszellen, Konzentrationsgrenzen, Überschneidungsprüfungen und der Abdeckungsbericht.

> **[Evaluation](/docs/de/fleet-learning/evaluation.md)**
>
> Zurückgehaltene Szenen, Bewertung, Metriken und der Fähigkeitsbericht.

> **[Fehler-Ingest](/docs/de/fleet-learning/failure-ingestion.md)**
>
> Senden Sie Rollouts und Fehler mit dem SDK, der CLI und dem MCP-Server.

> **[Exporte](/docs/de/fleet-learning/exports.md)**
>
> LeRobot-Import und -Export sowie der Inhalt jedes Releases.