失败数据接入

循环从您的机器人实际做了什么开始。您发送运行记录，包括失败和干预。Avala 读取它们，找出规律，并告诉您缺少哪些数据。

格式

格式	如何到达
MCAP	机群录制上传，或 `avala import folder --data-type mcap`
ROS bag（`.bag`、`.db3`）	`avala import rosbag`，或转换为 MCAP 后作为机群录制上传
LeRobot 数据集	通过 `avala import lerobot` 从 Hugging Face Hub 或本地目录导入
带日志的视频	视频通过 `avala import folder --data-type video` 上传。Avala 在计划中将日志与视频对齐。
Inspect Robots 评估日志	`avala import inspect-robots`。参见下文的“导入评估日志”一节。

MCAP 保留每个 topic，因此能提供最完整的信息。ROS bag 导入器转换摄像头 topic（sensor_msgs/Image 和 sensor_msgs/CompressedImage），并保留关节状态及其他数值或文本 topic。点云等二进制负载会被跳过。当您需要保留所有 topic 时，请发送 MCAP。

以机群录制形式发送运行记录

每次上传都进入一个已有的机群录制。计划开始时，Avala 为您已注册的设备预置录制。列出它们以找到录制 UID。

from avala import Client

client = Client()  # reads AVALA_API_KEY

page = client.fleet.recordings.list(device_id="<device-uid>", limit=20)
for recording in page:
    print(recording.uid, recording.status, recording.started_at)

# Upload a local directory of rollout files into one recording.
session = client.fleet.uploads.upload_recording(
    "<recording-uid>",
    "./rollouts/2026-09-29",
)
print(session.uid, session.status)

# Preview what will be uploaded
avala fleet recordings upload \
  --source ./rollouts/2026-09-29 \
  --recording <recording-uid> \
  --dry-run

# Upload and wait for server-side processing
avala fleet recordings upload \
  --source ./rollouts/2026-09-29 \
  --recording <recording-uid> \
  --wait

upload_recording 会续传同一来源中被中断的上传。调用完成表示处理已进入队列。检查 client.fleet.recordings.get(uid).status，直到其值为 ready。

把失败和干预标记为事件

机群事件为录制中的某个时刻加上标签。标记每次失败和每次干预，让 Avala 能快速找到它们。用 type 表示事件类别，用 metadata 保存您的技术栈记录的任何信息，例如模型版本和任务。

from avala import Client

client = Client()

event = client.fleet.events.create(
    recording="<recording-uid>",
    device="<device-uid>",
    type="anomaly",
    label="Plate slipped during placement",
    timestamp="2026-09-29T14:03:12Z",
    severity="warning",
    duration_ms=1800,
    tags=["failure", "regrasp"],
    metadata={"model_version": "your-policy@2026-09-20", "task": "load_dishwasher"},
)
print(event.uid)

# Many events at once
created = client.fleet.events.create_batch(
    events=[
        {
            "recording": "<recording-uid>",
            "device": "<device-uid>",
            "type": "state_change",
            "label": "Operator took over",
            "timestamp": "2026-09-29T14:03:15Z",
            "tags": ["intervention"],
        },
    ]
)
print(created)

import Avala from "@avala-ai/sdk";

const avala = new Avala(); // reads AVALA_API_KEY

const event = await avala.fleet.events.create({
  recording: "<recording-uid>",
  device: "<device-uid>",
  type: "anomaly",
  label: "Plate slipped during placement",
  timestamp: "2026-09-29T14:03:12Z",
  severity: "warning",
  durationMs: 1800,
  tags: ["failure", "regrasp"],
  metadata: { model_version: "your-policy@2026-09-20", task: "load_dishwasher" },
});
console.log(event.uid);

avala fleet events create \
  --recording <recording-uid> \
  --device <device-uid> \
  --type anomaly \
  --label "Plate slipped during placement" \
  --timestamp 2026-09-29T14:03:12Z \
  --severity warning

事件 type 为 error、warning、info、state_change、anomaly 或 custom 之一。severity 为 info、warning、error 或 critical 之一。您也可以通过录制规则自动创建事件。

导入 ROS bag 和 LeRobot 数据集

当运行记录存放在机群之外时，将其作为数据集导入。请先安装对应格式的扩展。

pip install "avala[rosbag]"
avala import rosbag ./rollout_0412.bag --name "Rollouts 0412" --slug rollouts-0412 --wait

pip install "avala[lerobot]"
avala import lerobot --repo-id your-hf-user/your-rollouts --name "Rollouts" --slug rollouts --wait

LeRobot 导入器的详细说明见导出。

导入评估日志

如果您用开源评估工具 Inspect Robots 评估策略，可以导入它的 JSON 评估日志。每个试验（一个 epoch 中的一个场景）为一个序列打上结果标签。失败的试验成为您可以筛选、审阅并转化为采集工作的序列。

pip install "avala[inspect]"

# Preview the trial-to-outcome mapping. Reads the log only.
avala import inspect-robots logs/load-dishwasher_1a2b3c4d.json --dataset your-org/dishwasher-eval --dry-run

# Label the sequences that already exist in the dataset, one per trial
avala import inspect-robots logs/load-dishwasher_1a2b3c4d.json --dataset your-org/dishwasher-eval

# Or create the dataset from each trial's recorded actions, plus camera frames if the run stored them
avala import inspect-robots logs/load-dishwasher_1a2b3c4d.json --dataset your-org/dishwasher-eval --create

Inspect Robots 试验	结果
成功分数不低于 `--success-threshold`，评分分数不低于 `--expert-threshold`	`expert_success`
成功分数不低于 `--success-threshold`，评分分数低于 `--expert-threshold`	`partial_success`
成功分数低于 `--success-threshold`	`failure`
试验出错或被取消	`aborted`
成功评分器没有给出值	不打标签

每个导入的标签都将 source 设为 imported，evaluation_membership 设为 held_out_eval，autonomy_level 设为 autonomous。model_version 为该次运行的策略。运行的任务成为一个覆盖整个试验的子任务。由人或模型写入的标签会被保留，除非您传入 --overwrite。完整的选项列表见 CLI 参考。

通过 MCP 服务器查看录制和事件

MCP 服务器读取机群数据。您可以向助手询问最近的失败，或直接调用以下工具：

fleet_list_recordings 和 fleet_get_recording 用于录制
fleet_list_events，可按 recording、device、type 或 severity 筛选
get_fleet_health 用于获取整个机群的摘要

上传和事件创建通过 SDK 或 CLI 完成。参见与 AI 一起使用 Avala进行连接。

Avala 如何处理运行记录

以下步骤是 Avala 在计划中提供的服务。它们没有可调用的 API。

分段。 Avala 在状态变化处把每条运行记录拆分为序列和子任务。您的事件锚定失败发生的时刻。
标注。 每个序列获得其序列元数据的两个维度：技术有效性检查和结果标签。
聚类。 Avala 按出了什么问题以及在什么条件下出问题对失败分组。聚类映射到为您的计划建立的带版本号的失败分类体系。新的聚类会扩展该分类体系。
差距分析。 Avala 把失败聚类与您现有训练数据和评估组的覆盖进行比较。

差距报告

Avala 为每批运行记录交付一份差距报告。

部分	内容
范围	录制、时间范围、模型版本和分类体系版本。
失败分类体系	每种失败模式、其定义和示例序列。
分布	按模式、按模型版本和按覆盖单元统计的失败次数和比率。
缺失的覆盖	每种失败模式背后、您的训练数据缺少或过于稀薄的覆盖单元。
建议的实验	每个优先失败条件对应一个能力实验草案，包含假设和目标单元。

您审阅差距报告并选择优先级。获批的实验成为下一份采集简报。

入门

机群学习

平台

应用场景

格式

以机群录制形式发送运行记录

把失败和干预标记为事件

导入 ROS bag 和 LeRobot 数据集

导入评估日志

通过 MCP 服务器查看录制和事件

Avala 如何处理运行记录

差距报告

​格式

​以机群录制形式发送运行记录

​把失败和干预标记为事件

​导入 ROS bag 和 LeRobot 数据集

​导入评估日志

​通过 MCP 服务器查看录制和事件

​Avala 如何处理运行记录

​差距报告

格式

以机群录制形式发送运行记录

把失败和干预标记为事件

导入 ROS bag 和 LeRobot 数据集

导入评估日志

通过 MCP 服务器查看录制和事件

Avala 如何处理运行记录

差距报告