Aller au contenu principal

Fleet Learning Infrastructure pour la Physical AI

Une plateforme sous chaque étape de votre boucle d’apprentissage de flotte.

Avala est une infrastructure indépendante sous votre modèle. Observez votre flotte, diagnostiquez ses échecs, évaluez chaque version du modèle, acquérez les données qui comblent l’écart, validez-les et publiez des jeux de données versionnés. Vous entraînez le modèle et décidez quand il est déployé.

Conçu pour la robotique, les véhicules autonomes et l’IA incarnée.

Mission Control

Données de capteurs connectées

MCAP + ROS
LiDAR + nuages de points
Vidéo multicaméra
Télémétrie + trajectoires
01

Observer

02

Diagnostiquer

03

Évaluer

04

Acquérir

05

Entraîner

Assuré par vous

06

Valider

07

Publier

Assuré par vous

Version du jeu de données

Prêt pour l’entraînement

Schéma du flux de travail, et non capture du produit ou résultat mesuré.
MCAP + ROS
LiDAR + nuages de points
Vidéo multicaméra
Télémétrie + trajectoires

La boucle d’apprentissage de flotte

Sept étapes, et un dossier pour chaque cycle.

Avala mène cinq étapes. Vous entraînez le modèle avec votre propre code et votre propre puissance de calcul, et vous décidez quand il est déployé. Un seul registre relie toutes les étapes, si bien que chaque résultat remonte aux données qui l’ont produit.

  1. Observer

    Assuré par Avala

    Voyez ce que votre flotte a fait. Les enregistrements arrivent avec le contexte de l’appareil, des événements et des alertes, et vous pouvez ouvrir n’importe quelle séquence dans sa scène.

    • Appareils, enregistrements et événements de la flotte
    • Règles et alertes
    • Visualiseur MCAP
    • Rendu 3D et par Gaussian splatting
  2. Diagnostiquer

    Assuré par Avala

    Trouvez où le modèle échoue et pourquoi. Avala regroupe les échecs, vérifie leur chevauchement et les rattache aux cellules de couverture qui manquent à vos données.

    • Recherche dans les enregistrements et les séquences
    • Contrôles de chevauchement et empreintes vidéo
    • Regroupement des échecs dans une taxonomie des échecs
    • Rapports d’écarts rattachés aux cellules de couverture
  3. Évaluer

    Assuré par Avala

    Notez le modèle actuel sur des scènes réelles mises de côté avant tout changement, pour que chaque résultat ultérieur ait une référence.

    • Scènes mises de côté, jamais publiées pour l’entraînement
    • Contrôles de contamination versionnés
    • Pré-notation vision-langage avec audit humain
    • Rapports avec intervalles de confiance
  4. Acquérir

    Assuré par Avala

    Transformez l’écart en campagne de capture. Un cahier des charges approuvé fixe les tâches, les lieux, les objets et le nombre de séquences, et le standard de couverture place la barre.

    • Campagnes de capture issues d’un cahier des charges approuvé
    • Équipes gérées pour la capture et l’étiquetage
    • Cellules de couverture issues du catalogue de 218 workflows
    • Critères d’acceptation pour chaque campagne
  5. Entraîner

    Assuré par vous

    Vous entraînez sur la nouvelle version du jeu de données avec votre propre code et votre propre puissance de calcul. Avala conserve la traçabilité de la séquence à la version.

    • SDK Python et TypeScript
    • Chargement des données dans PyTorch
    • Export LeRobot
  6. Valider

    Assuré par Avala

    Avala évalue le nouveau modèle sur la même cohorte tenue à l’écart et présente les deux versions côte à côte, avec des intervalles de confiance.

    • Audit humain
    • Répartition des modes d’échec
    • Taux de rattrapage
    • Intervalles de confiance
  7. Publier

    Assuré par vous

    Vous décidez quand le modèle est déployé. Les données derrière lui forment une version avec ses sous-ensembles, ses exports et sa traçabilité complète.

    • Jeux de données versionnés et sous-ensembles
    • Exports, y compris au format LeRobot
    • Traçabilité de la capture à la version
    • SDK et serveur MCP hébergé

Après Publier, la boucle revient à Observer, avec la flotte qui exécute le nouveau modèle.

Les autorisations et les pistes d’audit s’appliquent à chaque étape.Sécurité

Une exécution adaptée

Un seul plan de contrôle. Tous les modèles opérationnels.

Utilisez Avala avec vos propres équipes, ajoutez une capacité gérée lorsque le jugement ou le débit devient contraignant, ou combinez les deux sans changer de référentiel.

01

Piloté par le logiciel

Inspectez les enregistrements, vérifiez les annotations et exportez les jeux de données avec Mission Control, les API et les SDK.

02

Exécution gérée

Ajoutez des équipes formées pour la collecte, l’annotation et la revue, tout en conservant la visibilité sur le workflow, les règles et la qualité dans Avala.

03

Hybride par conception

Confiez les décisions métier à vos experts et démultipliez le travail reproductible avec Avala, sans passage de relais supplémentaire.

Construisez la boucle

Évaluez la boucle avec vos propres données.

Apportez un enregistrement représentatif, un schéma de sortie et des critères d’acceptation. Vérifiez l’intégration, la qualité de la revue et l’export avant d’élargir le programme.

Demander une démo