Experimentos de capacidad

Un experimento de capacidad es una vuelta del ciclo de fleet learning, puesta por escrito. Empieza con un fallo que su modelo muestra en una versión concreta del modelo. Enuncia una hipótesis sobre qué datos lo corregirán. Termina con un resultado medido y una decisión sobre la siguiente asignación. Avala abre un experimento de capacidad para cada condición de fallo de un informe de brechas. Avala mantiene el registro al día durante la recolección, la release y la reevaluación. Usted lo recibe con cada informe de capacidades.

Campos

Campo	Qué contiene
`model_version`	La versión del modelo que mostró el fallo. Usted aporta este identificador.
`failure_condition`	El fallo y las condiciones en las que aparece, tomados de la taxonomía de fallos. `mistake_type` y `failure_stage` usan las mismas etiquetas que las etiquetas de resultado de las secuencias fallidas.
`hypothesis`	Un enunciado verificable: qué datos deberían cambiar qué métrica y en qué dirección.
`coverage_cells`	Las celdas de cobertura a las que apunta el experimento.
`capture_campaign`	La campaña de captura que recolecta los datos.
`dataset_release`	La release versionada del dataset que contiene las nuevas secuencias.
`evaluation_cohort`	Las escenas de evaluación reservadas que se usan para medir el resultado. Sus secuencias llevan `evaluation_membership: "held_out_eval"`.
`outcome`	El resultado medido en la cohorte de evaluación para cada versión del modelo, con intervalos de confianza.
`next_allocation`	Qué recolecta el siguiente ciclo y por qué.

Registro de ejemplo

{
  "experiment_id": "cx_dishwasher_rack_regrasp",
  "status": "validating",
  "model_version": "your-policy@2026-09-20",
  "failure_condition": {
    "mistake_type": "slip_during_place",
    "failure_stage": "place",
    "taxonomy_version": "3",
    "conditions": ["lower_rack_pulled_out", "wet_ceramic", "rack_obstacle_present"]
  },
  "hypothesis": "Adding expert sequences with slip and recovery on lower dishwasher racks raises success on the rack-loading cohort and lowers the intervention rate.",
  "coverage_cells": [
    {
      "environment": "kitchen",
      "mechanism": "dishwasher_pull_rack",
      "material": "ceramic_wet",
      "interaction_primitive": "place",
      "failure_mode": "regrasp_after_slip",
      "embodiment": "human_egocentric"
    }
  ],
  "capture_campaign": { "project_uid": "<project-uid>" },
  "dataset_release": { "dataset": "your-org/kitchen-manipulation", "release": "r4" },
  "evaluation_cohort": { "cohort_id": "eval_kitchen_racks", "version": "2" },
  "outcome": null,
  "next_allocation": null
}

outcome y next_allocation quedan vacíos hasta que Avala reevalúa la siguiente versión del modelo.

Cómo se vincula el registro con objetos existentes

Un experimento de capacidad contiene referencias. Cada campo apunta a un objeto que usted ya puede abrir en Mission Control, la API, los SDKs y el servidor MCP.

Campo del experimento	Objeto existente	Dónde leerlo
`failure_condition`	Grabaciones de flota y eventos de flota que muestran el fallo, y las etiquetas de resultado de las secuencias fallidas	`client.fleet.recordings.get(...)`, `client.fleet.events.list(recording_id=...)`, `client.sequence_outcomes.list(owner, slug, outcome=...)`, MCP `fleet_get_recording`, `fleet_list_events`, `list_sequence_outcomes`
`capture_campaign`	Un proyecto que ejecuta la campaña de captura	`client.projects.get(uid)`, MCP `list_capture_campaigns`, `get_campaign_acceptance_summary`
`coverage_cells`	Cobertura de aceptación en el proyecto de la campaña	MCP `get_campaign_acceptance_coverage`
`dataset_release`	Un dataset y sus slices	`client.datasets.get_by_slug(owner, slug)`, `client.slices.get(owner, slug)`, MCP `get_dataset`, `get_slice`
`evaluation_cohort`	Un slice de escenas de evaluación reservadas, excluido de toda release de entrenamiento	`client.slices.get(owner, slug)`, `client.sequence_outcomes.list(owner, slug, evaluation_membership="held_out_eval")`, MCP `get_slice`, `list_sequence_outcomes`

El carril de fallo y recuperación y cada cohorte de evaluación se entregan como slices. Puede listar sus elementos con client.slices.list_items(owner, slug).

Ciclo de vida

Estado	Significado
`proposed`	Avala redactó la hipótesis y las celdas de cobertura objetivo a partir del informe de brechas.
`approved`	Usted aprobó el brief. La campaña de captura está abierta.
`collecting`	Las secuencias se están capturando, revisando y aceptando.
`released`	La release del dataset está publicada. Usted está entrenando con ella.
`validating`	Avala está puntuando la nueva versión del modelo en la cohorte de evaluación.
`closed`	El resultado está registrado y la siguiente asignación está fijada.

Un experimento cerrado permanece en el registro. El siguiente experimento sobre la misma condición de fallo enlaza con él, así que usted puede seguir una capacidad a lo largo de las versiones del modelo.

Primeros pasos

Aprendizaje de flota

Plataforma

Casos de uso

Campos

Registro de ejemplo

Cómo se vincula el registro con objetos existentes

Ciclo de vida

​Campos

​Registro de ejemplo

​Cómo se vincula el registro con objetos existentes

​Ciclo de vida

Campos

Registro de ejemplo

Cómo se vincula el registro con objetos existentes

Ciclo de vida