> ## 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.

# Обучение на опыте флота

> Как Avala превращает сбои вашего флота в данные, оценку и релизы, которые нужны вашей следующей модели

Avala представляет собой Fleet Learning Infrastructure for Physical AGI. Каждый флот должен учиться на собственном опыте. Avala находится в инфраструктурном слое под вашей моделью. Вы обучаете модель и владеете ею. Avala ведёт цикл вокруг неё: оценку, диагностику сбоев, сбор данных, валидацию и релиз.

В этом разделе описана программа обучения на опыте флота. Здесь описаны цикл, записи, которые ведёт Avala, схемы, которые поставляет Avala, и отчёты, которые вы получаете.

## Цикл

Каждый цикл начинается с того, что ваш флот делает в реальном мире, и заканчивается релизом, на котором можно обучать модель.

**1. Наблюдение**

Ваши роботы работают. Прогоны, вмешательства и сбои поступают в Avala как записи и события флота. См. [Приём сбоев](/docs/ru/fleet-learning/failure-ingestion.md).

**2. Диагностика**

Avala сегментирует прогоны, группирует сбои в таксономию сбоев и составляет отчёт о пробелах.

**3. Оценка**

Avala оценивает текущую версию вашей модели на отложенных реальных оценочных сценах. См. [Оценка](/docs/ru/fleet-learning/evaluation.md).

**4. Сбор**

Avala собирает данные, которые требует отчёт о пробелах. Каждый пакет нацелен на конкретные [ячейки покрытия](/docs/ru/fleet-learning/coverage.md) и учитывает только [принятые часы](/docs/ru/fleet-learning/accepted-hour.md).

**5. Обучение**

Вы обучаете модель на релизе. Обучение остаётся на вашей стороне.

**6. Валидация**

Avala повторно оценивает новую версию модели на тех же отложенных сценах и сообщает об изменении по каждому режиму сбоя.

**7. Релиз**

Avala публикует версионированный релиз набора данных с урегулированными правами, вместе с [метаданными последовательностей](/docs/ru/fleet-learning/sequence-metadata.md) и [экспортами для обучения](/docs/ru/fleet-learning/exports.md).

**8. Наблюдение**

Новая модель возвращается в ваш флот. Её прогоны запускают следующий цикл.

## Кто что делает

| Шаг | Вы | Avala |
| - | - | - |
| Наблюдение | Эксплуатируете флот. Отправляете прогоны, логи и вмешательства. | Принимает записи и события. Проверяет целостность сенсорных данных. |
| Диагностика | Изучаете отчёт о пробелах. Задаёте приоритеты. | Сегментирует прогоны, группирует сбои, составляет отчёт о пробелах. |
| Оценка | Предоставляете версии модели или прогоны на оценочных сценах. | Поддерживает отложенные сцены, оценивает запуски, сообщает метрики. |
| Сбор | Утверждаете бриф. | Проектирует кампанию сбора, собирает, рецензирует и принимает последовательности. |
| Обучение | Обучаете модель и владеете ею. | Поставляет релиз в форматах, которые читает ваш стек обучения. |
| Валидация | Запускаете новую версию модели. | Повторно оценивает и сообщает об изменении возможностей. |
| Релиз | Решаете, что отправить во флот. | Версионирует набор данных, фиксирует происхождение и согласия, публикует релиз. |

Вы решаете, чему учится модель и когда она выходит. Avala предоставляет доказательства и данные для каждого решения.

## Как проходит работа

Каждый проект проходит одни и те же пять шагов. Каждый шаг даёт артефакт, который вы можете проверить.

1. **Сбой.** Вы отправляете прогоны, в которых модель дала сбой или нуждалась в помощи. Avala читает их как записи и события флота.
2. **Отчёт о пробелах.** Avala группирует сбои по режимам сбоя и называет ячейки покрытия, которых нет или которые заполнены слабо.
3. **Бриф.** Avala превращает отчёт о пробелах в бриф на сбор данных. В брифе перечислены целевые ячейки покрытия, лимиты концентрации, критерии приёмки и оценочная когорта. Вы его утверждаете.
4. **Пакет.** Avala собирает и рецензирует пакет. Каждая поставка включает [отчёт о покрытии](/docs/ru/fleet-learning/coverage.md) и метаданные по каждой последовательности.
5. **Повторная оценка.** Avala оценивает следующую версию вашей модели на отложенных сценах. [Отчёт о возможностях](/docs/ru/fleet-learning/evaluation.md) показывает, что изменилось, и задаёт следующее распределение.

Отчёты о пробелах, брифы и отчёты о возможностях поставляются в рамках программы. Объекты, на которых они основаны, например записи флота, кампании сбора, наборы данных и срезы, можно прочитать через SDK и MCP-сервер.

Avala ведёт каждый цикл как [эксперимент по возможностям](/docs/ru/fleet-learning/capability-experiments.md). Запись связывает версию модели, сбой, данные и результат.

## В этом разделе

> **[Эксперименты по возможностям](/docs/ru/fleet-learning/capability-experiments.md)**
>
> Запись, которая связывает сбой с собранными для него данными и измеренным результатом.

> **[Схема метаданных последовательности](/docs/ru/fleet-learning/sequence-metadata.md)**
>
> Метка результата каждой последовательности, как сообщается техническая валидность и как читать и экспортировать и то и другое.

> **[Принятый час](/docs/ru/fleet-learning/accepted-hour.md)**
>
> Единица, которую поставляет Avala, и причины отклонения, о которых сообщает Avala.

> **[Покрытие](/docs/ru/fleet-learning/coverage.md)**
>
> Ячейки покрытия, лимиты концентрации, проверки на пересечение и отчёт о покрытии.

> **[Оценка](/docs/ru/fleet-learning/evaluation.md)**
>
> Отложенные сцены, оценивание, метрики и отчёт о возможностях.

> **[Приём сбоев](/docs/ru/fleet-learning/failure-ingestion.md)**
>
> Отправка прогонов и сбоев через SDK, CLI и MCP-сервер.

> **[Экспорты](/docs/ru/fleet-learning/exports.md)**
>
> Импорт и экспорт LeRobot и состав каждого релиза.