> ## 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.

# Experimentos de capacidad

> El registro que vincula un fallo del modelo con una hipótesis, los datos recolectados para ella y el resultado medido

Un experimento de capacidad es una vuelta del [ciclo de fleet learning](/docs/es/fleet-learning/overview.md), 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](/docs/es/fleet-learning/failure-ingestion.md). Avala mantiene el registro al día durante la recolección, la release y la reevaluación. Usted lo recibe con cada [informe de capacidades](/docs/es/fleet-learning/evaluation.md).

## 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](/docs/es/fleet-learning/sequence-metadata.md) de las secuencias fallidas. |
| `hypothesis` | Un enunciado verificable: qué datos deberían cambiar qué métrica y en qué dirección. |
| `coverage_cells` | Las [celdas de cobertura](/docs/es/fleet-learning/coverage.md) 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](/docs/es/fleet-learning/evaluation.md) 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

```json theme={null}
{
  "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](/docs/visualization/fleet/fleet-dashboard.md) y [eventos de flota](/docs/visualization/fleet/events-and-markers.md) 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](/docs/es/getting-started/concepts.md#proyectos) 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](/docs/es/getting-started/concepts.md#datasets) y sus [slices](/docs/api-reference/slices.md) | `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.