> ## 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.

# Exportaciones

> Traiga datasets de LeRobot a Avala, exporte datasets de Avala a LeRobot y vea qué contiene cada release de fleet learning

Una release de fleet learning está hecha para su stack de entrenamiento. Esta página cubre el importador de LeRobot, el exportador de LeRobot y los archivos que acompañan a cada release.

## Qué incluye cada release

Cada release de un programa de fleet learning incluye:

| Elemento | Contenido |
| - | - |
| Release del dataset | Un dataset de Avala versionado y con derechos verificados. Los carriles de entrenamiento y el carril de fallo y recuperación se entregan como slices. |
| Etiquetas de resultado | La [etiqueta de resultado](/docs/es/fleet-learning/sequence-metadata.md) vigente de cada secuencia, legible mediante la API, los SDKs, la CLI y el servidor MCP. |
| Exportación LeRobot | La release en formato LeRobot v3, con las etiquetas de resultado en `meta/avala_sequence_outcomes.jsonl`. |
| Informe de cobertura | El [informe de cobertura](/docs/es/fleet-learning/coverage.md) de la entrega. |
| Informe de capacidades | El [informe de capacidades](/docs/es/fleet-learning/evaluation.md) más reciente, cuando se ejecutó una evaluación. |

Avala prepara la exportación LeRobot como parte del programa. Usted ejecuta el entrenamiento.

## Importe un dataset de LeRobot

El importador de LeRobot lee un dataset de LeRobot desde el Hugging Face Hub o un directorio local. Crea un dataset MCAP de Avala.

* Cada episodio de LeRobot se convierte en un archivo `.mcap`, que Avala ingiere como un elemento. Un episodio de LeRobot corresponde a una secuencia de Avala.
* Los flujos de cámara se escriben como `foxglove.CompressedImage`, así que se muestran en el visor de Mission Control.
* La propiocepción (`observation.state`, `action` y otras características numéricas 1-D) se escribe como mensajes `google.protobuf.Struct`. Los valores se conservan y se pueden leer como mensajes sin procesar.
* Cada una de las demás columnas por fotograma (recompensas, `episode_uuid`, `failure_type` y otras columnas de texto) se conserva en su propio topic. Una columna `control_source` (`policy`, `teleop`, `intervention`, `hold`) va a `/lerobot/control_source`.

El importador funciona con la API de datasets de LeRobot v2.1 y v3. Necesita el extra `lerobot`, que requiere Python 3.12 o posterior. Para datasets LeRobot v3 también funciona un lector sin torch en Python 3.9 o posterior: `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)
```

| Opción de CLI | Propósito |
| - | - |
| `--repo-id` | ID del dataset en el Hugging Face Hub. |
| `--root` | Directorio local del dataset de LeRobot, en lugar de `--repo-id` o junto con él. |
| `--name`, `--slug` | Nombre y slug del nuevo dataset de Avala (obligatorios). |
| `--episodes` | Índices de episodios de LeRobot separados por comas que se importan. Por defecto: todos. |
| `--camera-keys` | Claves de características de cámara separadas por comas. Por defecto: todas las cámaras. |
| `--fps` | Sustituye la tasa de fotogramas del dataset. |
| `--owner` | Nombre de usuario o email del dueño del dataset. |
| `--workers` | Hilos de subida en paralelo. Por defecto: 8. |
| `--wait` / `--no-wait` | Espera a que termine la indexación. Por defecto: no espera. |

Pase `repo_id`, `root` o ambos. En Python, `state_keys` selecciona las características numéricas que se conservan. Por defecto son `observation.state` y `action`.

## Exporte un dataset de Avala a LeRobot

También puede convertir usted mismo cualquier dataset de secuencias de Avala a LeRobot v3. Una secuencia de Avala se convierte en un episodio de LeRobot.

```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` escribe la etiqueta de resultado vigente de cada secuencia en `meta/avala_sequence_outcomes.jsonl`, una línea por episodio de LeRobot. En Python, pase `include_outcomes=True`. El formato del archivo se describe en la sección Exportar etiquetas de resultado con LeRobot de [Esquema de metadatos de secuencia](/docs/es/fleet-learning/sequence-metadata.md).

Añada `--state-key` y `--action-key` cuando los fotogramas de origen contengan propiocepción. La lista completa de opciones y la API de Python están en [Avala + LeRobot](/docs/resources/frameworks/lerobot.md).

## Use las etiquetas de resultado en el entrenamiento

Las etiquetas de resultado viajan con la exportación LeRobot. Usos típicos:

* Pondere o seleccione secuencias por `outcome`, `progress`, `quality` y `speed`.
* Entrene con las cadenas `label` de las subtareas y las cadenas `action` de las acciones de las manos para políticas condicionadas por lenguaje.
* Divida por [grupo de fuga](/docs/es/fleet-learning/sequence-metadata.md) cuando construya sus propios conjuntos de validación.
* Mantenga fuera del entrenamiento las secuencias con `evaluation_membership` igual a `held_out_eval` cuando combine datos de otras fuentes. Las releases nunca las incluyen.

La validez técnica no está en la exportación. Avala revisa y acepta las secuencias antes de que entren en una release. Consulte la sección Validez técnica en [Esquema de metadatos de secuencia](/docs/es/fleet-learning/sequence-metadata.md).