Plateforme développeur Physical AI

Construisez sur l’infrastructure dont apprennent vos modèles de Physical AI.

Connectez vos agents au serveur MCP hébergé, développez avec les SDK Python et TypeScript, lisez les métadonnées de chaque séquence et importez ou exportez des jeux de données LeRobot.

Commencer à Construire Réserver une visite technique

MCP hébergé

Interrogez la boucle d’apprentissage de flotte depuis vos outils d’IA.

Connectez un seul endpoint hébergé. Vos agents peuvent lire les enregistrements et alertes de la flotte, les séquences, les campagnes de capture et leur couverture d’acceptation, le consensus, les objectifs de qualité et l’état des exports.

Les cahiers des charges de collecte, les rapports d’écarts et les rapports d’évaluation font partie du programme d’apprentissage de flotte. Votre équipe Avala vous les livre.

Lire le guide MCP

Endpoint MCP hébergé

https://mcp.avala.ai/mcp

Outils par étape de la boucle

Observer: fleet_list_recordingsfleet_list_eventsfleet_list_alerts
Diagnostiquer: list_sequencespreview_curation_candidates
Acquérir: list_capture_campaignsget_campaign_acceptance_coverage
Valider: get_dataset_healthget_consensus_summarylist_quality_targets
Publier: list_sliceslist_exportsget_export_status

L'accès suit vos autorisations Avala. Les actions staff contrôlées n'apparaissent que pour les opérateurs éligibles et exigent une confirmation explicite.

Interfaces

Choisissez l'interface adaptée à votre stack.

Python, TypeScript, l'API REST publique et MCP hébergé partagent le même modèle de données Avala.

Python SDK

Clients synchrones et asynchrones, pagination par curseur, modèles typés et erreurs explicites.

pip install avala

client.fleet.recordings.list()
client.datasets.get_health(owner, slug)
client.exports.create(dataset=dataset_uid)

TypeScript SDK

Clients de ressources typés sans dépendance d'exécution et support officiel de Node.js 18+.

npm install @avala-ai/sdk

avala.fleet.recordings.list()
avala.datasets.getHealth(owner, slug)
avala.exports.create({ dataset })

REST API

Utilisez l'endpoint public api.avala.ai depuis tout langage ou client HTTP authentifié.

curl --fail-with-body -H "X-Avala-Api-Key: $AVALA_API_KEY" "https://api.avala.ai/api/v1/datasets/?limit=10"

MCP hébergé

Connectez des outils IA compatibles au contexte des jeux de données et opérations limité par les autorisations.

https://mcp.avala.ai/mcp

Métadonnées des séquences

Un même schéma pour chaque séquence que vous recevez.

Les séquences livrées dans un programme d’apprentissage de flotte portent les mêmes champs. Votre code d’entraînement peut les filtrer, les répartir et les pondérer sans approximation.

Voir comment chaque séquence est notée

Étiquette de résultat pour les deux notes
Limites des sous-tâches avec une description en langage naturel de chaque étape
Notes de qualité et de vitesse
Segments d’erreur et de rattrapage
IDs du dispositif de capture et d’étalonnage
Groupes de fuite par logement, objet et opérateur

Les groupes de fuite vous permettent de séparer les ensembles d’entraînement et de test afin qu’un même logement, objet ou opérateur n’apparaisse jamais des deux côtés.

Format LeRobot

Importez et exportez vos données au format LeRobot.

Importez un jeu de données LeRobot dans Avala sous forme de séquences MCAP, ou exportez un jeu de données de séquences Avala au format LeRobot v3. Chaque episode LeRobot correspond à une séquence Avala. Les deux commandes sont fournies avec le SDK Python et nécessitent Python 3.12 ou une version ultérieure.

Installez la CLI avec la prise en charge de LeRobot: Installez la CLI avec la prise en charge de LeRobot
pip install "avala[cli,lerobot]"
Importez un jeu de données depuis le Hugging Face Hub: Importez un jeu de données depuis le Hugging Face Hub
avala import lerobot --repo-id lerobot/svla_so101_pickplace --name "SO-101 pick and place" --slug so101-pick-and-place
Exportez un jeu de données de séquences vers LeRobot v3: Exportez un jeu de données de séquences vers LeRobot v3
avala lerobot export my-org/so101-pick-and-place --repo-id my-hf-user/so101-pick-and-place --output ./lerobot-out

Première boucle

Inspectez vos données avec une requête authentifiée.

Saisissez votre clé dans une invite masquée et interrogez l’API publique, tandis que l’identifiant reste isolé dans un sous-shell temporaire.

Bash ou Zsh · curl · une clé API Avala

API publique authentifiée · Bash ou Zsh

(
  printf "Avala API key: " &&
    IFS= read -rs AVALA_API_KEY &&
    printf "\n" &&
    export AVALA_API_KEY &&
    curl \
      --fail \
      --silent \
      --show-error \
      -H "X-Avala-Api-Key: $AVALA_API_KEY" \
      "https://api.avala.ai/api/v1/datasets/?limit=10"
)

Flux programmable

Programmez toute la boucle de données de la Physical AI.

Utilisez des interfaces stables pour les étapes opérationnelles entre les données capteur brutes et la prochaine exécution du modèle.

Ingérer les données capteur

Rassemblez les données MCAP, LiDAR, vidéo, ROS bag ou LeRobot dans un modèle de jeu de données unique.

CLIPython SDKREST API

Inspecter la santé du jeu de données

Vérifiez l'indexation, les séquences, le nombre d'images et l'étalonnage avant la mise en production.

CLIPython SDKREST API

Exécuter l'étiquetage assisté par modèle

Lancez des tâches d'auto-étiquetage par projet et conservez la revue humaine dans le même flux gouverné.

CLIPython SDKMission Control

Publier des exports prêts pour l'entraînement

Créez un export de jeu de données ou de projet et suivez-le jusqu'à son achèvement pour l'entraînement en aval.

CLIPython SDKREST API

Visite technique

Apportez-nous votre boucle de données la plus difficile.

Nous cartographierons les interfaces, le stockage, les contrôles qualité et le contrat de release autour d'un flux réel.

Réserver une visite technique Lire la référence API