> ## 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.

# 커버리지

> 모든 납품에 포함되는 커버리지 셀, 집중도 한도, 중복 검사, 장면 현실성 기준, 커버리지 리포트

같은 방, 같은 동작을 더 많은 시간 동안 촬영해도 얻는 것은 적습니다. 커버리지는 모델이 배우는 내용을 바꾸는 차원 전반에서 Avala가 다양성을 계획하고 입증하는 방법입니다.

## 커버리지 셀

커버리지 셀은 여섯 가지 차원의 한 조합입니다.

| 차원 | 예시 |
| - | - |
| 환경 | 갤리 주방, 세탁실, 침실, 차고, 호텔 객실 |
| 메커니즘 | 당겨 빼는 식기세척기 랙, 프렌치 도어 냉장고, 통돌이 세탁기, 무선 전기 주전자 받침 |
| 재질 | 젖은 도자기, 유연한 봉투, 접힌 면직물, 단단한 플라스틱 통 |
| 상호작용 기본 동작 | 열기, 잡기, 붓기, 놓기, 접기, 끼우기, 잠그기 |
| 실패 모드 | 미끄러짐 후 다시 잡기, 배치 실패, 장애물과 충돌, 없음 |
| 체화 형태 | 사람 1인칭 시점, 단일 팔, 양팔, 모바일 매니퓰레이터 |

승인 과정에서 각 캡처의 셀 값이 기록됩니다. MCP 도구 `get_campaign_acceptance_coverage`는 승인된 캡처 전체에서 커버리지가 부족한 값을 보고합니다. 브리프는 셀별 목표 승인된 시간을 정합니다. [역량 실험](/docs/ko/fleet-learning/capability-experiments.md)은 목표로 하는 셀을 나열합니다.

Avala는 26개 작업 계열, 175개 워크플로우로 구성된 공개 [카탈로그](https://avala.ai/coverage/catalog)를 바탕으로 수집을 계획합니다.

## 집중도 한도

브리프는 어떤 하나의 값이 차지할 수 있는 승인된 시간의 최대 비율을 정합니다. 일반적인 한도는 다음에 적용됩니다:

* 하나의 장소
* 한 명의 작업자
* 하나의 가전 또는 메커니즘 단위
* 하나의 커버리지 셀
* 반복적인 닦기 같은 다양성이 낮은 동작

Avala는 모든 납품에서 집중도를 측정합니다. 어떤 값을 한도 너머로 밀어 올릴 시퀀스는 보류되고 보고됩니다.

## 중복 검사

Avala는 모든 시퀀스의 비디오 콘텐츠에 핑거프린트를 생성합니다. 중복 검사는 세 단계로 진행됩니다:

1. **동일 파일.** 동일한 파일은 해시로 찾아냅니다.
2. **콘텐츠 핑거프린트.** 같은 영상을 재인코딩, 잘라내기, 크롭한 사본은 핑거프린트 일치로 찾아냅니다.
3. **유사성 검토.** 같은 장소와 설정에서 나온 거의 동일한 장면은 리뷰어 검토 대상으로 표시합니다.

브리프는 각 납품을 무엇과 비교할지 명시합니다: 해당 납품 자체, 이전 납품, 또는 고객이 제공한 참조 영상. 핑거프린트에는 버전이 있습니다. 커버리지 리포트는 검색에 사용한 버전과 범위를 명시합니다.

## 장면 현실성 기준

Avala는 실제 방에서 실제 집안일을 수집합니다. 이 기준에는 네 가지 규칙이 있습니다.

* **평범한 방해 요소를 유지합니다.** 우편물, 휴대폰, 옆에 놓인 식료품처럼 관련 없고 안전한 물건을 화면에 남겨 둡니다. 그릇 하나를 옮기려고 식탁 전체를 치우는 사람은 없습니다.
* **의미 있는 작업을 캡처합니다.** 자연스러운 속도와 실제 가정의 목표를 사용합니다. 느린 동작 자체를 위한 느린 동작, 반복적인 닦기 루프, 인위적으로 쏟은 것, 연출된 더미는 기준을 충족하지 못합니다.
* **전체 환경을 다양하게 합니다.** 수집을 여러 집, 배치, 작업자, 가전에 분산합니다. 도구 하나를 바꾸거나 같은 동작에 다른 라벨을 붙인다고 새로운 환경이 되지는 않습니다.
* **목적 있는 정리는 허용합니다.** 책상 정리처럼 실제 요청은 유효합니다. 시작 상태, 목표, 결과를 기록합니다. 작업을 시작하려고 일부러 어지럽히지 않습니다.

방해 요소는 동의, 개인정보, 안전 조건이 허용할 때만 화면에 남겨 둡니다.

## 커버리지 리포트

각 납품에는 커버리지 리포트가 함께 제공됩니다. 브리프는 수집이 시작되기 전에 리포트의 필드, 정의, 임계값을 확정합니다.

| 섹션 | 내용 |
| - | - |
| 환경과 사람 | 가명 처리된 장소 및 수집자 ID. ID별 시간과 시퀀스 수. 방 유형, 배치, 한도 대비 집중도. |
| 가전 근거 | 현장에서 확인한 가전 카테고리, 형태, 조작부. 가전 및 설정별 커버리지. |
| 작업 및 동작 커버리지 | 워크플로우. 물체, 하위 작업, 상호작용 기본 동작. 시작 상태와 종료 상태. 다양성이 낮은 동작의 비율. |
| 커버리지 셀 | 셀별 목표 대비 승인된 시간. 비어 있거나 부족한 셀 목록. |
| 자연스러움과 동작 | 속도, 목적 있는 움직임, 반복 루프, 연출된 조건에 대한 검토. 기준 보정을 위한 승인 및 거부 예시. |
| 중복과 유사성 | 동일 파일, 핑거프린트, 유사성 검사 결과. 핑거프린트 버전과 비교 범위. |
| 권리와 승인 | 캡처 출처와 동의 기록. 승인된 시간, 거부된 시간, [거부 사유](/docs/ko/fleet-learning/accepted-hour.md). 메타데이터 스키마 버전. |

납품 전에 Avala는 측정된 구성을 브리프와 비교합니다. 리포트는 과다 대표된 장소, 작업자, 가전, 동작을 빠진 셀과 나란히 나열합니다.

## MCP 서버로 커버리지 읽기

MCP 도구 `get_campaign_acceptance_coverage`는 캡처 캠페인 프로젝트의 축 값별 승인된 캡처 수를 반환합니다. 축을 선택하려면 `axes`를 쉼표로 구분된 목록으로 전달합니다. 수치가 낮은 값은 캠페인이 부족한 부분을 보여줍니다. 어시스턴트를 연결하려면 [AI와 함께 Avala 사용하기](/docs/ko/getting-started/mcp.md)를 참조하세요.