Pour la robotique et l’Embodied AI

Des enregistrements robotiques aux données vérifiées.

Définissez l’annotation ou la collecte selon vos capteurs, tâches et critères d’acceptation. Vérifiez les signaux requis et le format d’export avant d’élargir le programme.

Un registre opérationnel unique relie les données de capteurs, les décisions d’annotation, les preuves de qualité, les versions des jeux de données et le retour des modèles.

Données MCAP et ROS
LiDAR et nuages de points
Vidéo multicaméra
Télémétrie et trajectoires

Conçu pour les programmes Physical AI

Partez de la tâche d’apprentissage.

La même boucle de données gouvernée accompagne les équipes de perception, de comportement et de modèles embodied sans imposer le même schéma ni la même politique de revue à chaque programme.

Perception multimodale

Sélectionnez et annotez les données synchronisées des caméras, du LiDAR et de la télémétrie pour la détection, le suivi, la segmentation et la compréhension des scènes.

Manipulation et comportement

Définissez séparément observations, actions enregistrées, état mesuré du robot et résultats des tâches. Vérifiez les signaux présents avant de considérer une vidéo comme une trajectoire d’entraînement.

Cas limites et sécurité

Identifiez les scénarios rares, conservez les preuves de revue et publiez des versions approuvées des jeux de données pour l’évaluation critique de sécurité et le réentraînement.

Retour de flotte et dérive

Transformez les échecs des modèles et la dérive en production en recherches de scènes ciblées, nouvelles files de travail et publications traçables de jeux de données.

Que reçoit votre chargeur de données d’entraînement ?

Vérifiez le format d’entrée, les champs conservés et le schéma de sortie avant de lancer un programme d’annotation. Ces parcours SDK distinguent la lecture des capteurs, la conversion et les données d’entraînement de politiques.

MCAP et ROS

La lecture MCAP utilise les schémas de messages pris en charge. L’importateur de bags ROS du SDK convertit les caméras et les topics numériques ou textuels compatibles ; il signale les topics ignorés, dont les nuages de points.

Types de messages pris en charge

Importation LeRobot

Importez les données LeRobot sous forme d’enregistrements MCAP. La conversion aller-retour de LeRobot v3 conserve les colonnes numériques et textuelles ; les images sont réencodées, les pixels ne sont donc pas identiques.

Guide de conversion LeRobot

Exportation LeRobot

Une séquence Avala devient un épisode LeRobot. Les états et actions nécessitent des champs sources numériques. Les étiquettes de résultat facultatives sont écrites dans un fichier annexe ; les horodatages de l’export des séquences suivent la fréquence d’images configurée.

Guide de conversion LeRobot

Que reçoit votre chargeur de données d’entraînement ?

Examinez les champs de deux parcours d’export LeRobot v3. Les entrées requises diffèrent : les caméras seules ne fournissent pas les actions du robot. Dépliez chaque parcours avant de choisir un convertisseur.

Séquences Avala → LeRobot v3

L’export par défaut contient les caméras, les horodatages et le texte de tâche. État et actions nécessitent des champs numériques configurés ; toute valeur manquante est une erreur. Les résultats sont des métadonnées facultatives dans un fichier annexe. Les horodatages utilisent la fréquence configurée.

Référence des champs exportés
observation.images.*
--state-key → observation.state
--action-key → action
frame_index / fps → timestamp
--include-outcomes → meta/avala_sequence_outcomes.jsonl
MCAP robot → LeRobot v3

Les états articulaires fournissent les positions mesurées ; un sujet de commandes distinct fournit les actions. Les images suivent la première caméra, les autres sujets étant échantillonnés au même instant ou avant. Le rapport consigne les écarts temporels, les images initiales supprimées et le mode d’encodage vidéo.

Référence des champs exportés
foxglove.CompressedImage / CompressedVideo → observation.images.*
/joint_states → observation.state
/joint_commands → action
frame_index / fps → timestamp
meta/avala_export_report.json
Guide de conversion LeRobot

Une boucle continue

De la capture des capteurs à l’amélioration du modèle

Chaque étape alimente le même enregistrement gouverné, pour accélérer sans perdre le contexte, la qualité ni la provenance.

  1. Ingérer
  2. Organiser
  3. Annoter
  4. Contrôle qualité
  5. Publier
  6. Entraîner
  7. Améliorer

Ops Données

Faites fonctionner vos données à grande échelle

Avala gère déjà des livraisons de jeux de données traçables. Le registre en libre-service et le service public de résolution sont en cours de développement.

Relié au même enregistrement de dataset

Ops Annotation

Transformez l'expertise humaine en données de production

Routez les tâches, appliquez les consignes d'étiquetage et coordonnez des équipes distribuées avec un QC mesurable, pas subjectif.

Relié au même enregistrement de dataset

Gestion de Modèles

Comprenez le comportement des modèles

Surveillez la dérive, suivez les performances en conditions réelles et retracez chaque release jusqu'aux données, aux labels et aux décisions qui l'ont produite.

Relié au même enregistrement de dataset

Un plan de contrôle unique

Le système de référence entre les capteurs et les modèles.

Mission Control conserve les données, les décisions et le retour des modèles dans le même contexte opérationnel. Les équipes peuvent examiner les preuves qui sous-tendent une publication au lieu de les reconstituer après la livraison.

Schéma du flux de travail, et non capture du produit ou résultat mesuré.

Identité du jeu de données

Sachez exactement quelles données ont entraîné le modèle

Attribuez à chaque jeu de données et à chaque version une identité stable, avec une traçabilité remontant aux scènes sources et aux décisions de qualité.

Plan de contrôle

Pilotez le workflow

Pilotez l’annotation, la revue, le consensus et les règles de publication depuis un plan de contrôle unique plutôt que d’assembler des outils de projet.

Exécution gérée

Passez les étapes difficiles à l’échelle

Ajoutez des spécialistes lorsque le workflow requiert du discernement ou davantage de capacité. Le travail reste dans le système de référence, sans passage de relais vers des services.

Résultats prêts pour l’entraînement

Publiez un signal digne de confiance pour votre stack d’entraînement.

Publiez des données prêtes pour les modèles qui restent liées aux scènes brutes, aux transformations, à l’historique des annotations et aux critères d’acceptation dont elles sont issues.

  • Annotations 2D, 3D et temporelles
  • Manifestes de jeux de données versionnés
  • Registres de qualité et de consensus
  • Pipelines d’export portables

Déploiement et gouvernance

Le périmètre de vos données reste sous votre contrôle.

Gardez les données sensibles privées pendant que les équipes travaillent à partir d'un seul référentiel gouverné. Avala s'exécute sur Avala Cloud, et le BYOS (Bring Your Own Storage) garde les données sources dans votre bucket et votre région. Les contrôles d'accès, l'auditabilité et l'isolation des données sont intégrés au workflow.

Explorer la sécurité

Comment évaluer un programme de données ?

Utilisez cette liste pour cadrer un test comparatif avec Avala ou un autre prestataire. Convenez des preuves et des critères de réception avant de commencer. Cocher une case consigne uniquement votre examen sur cette page ; cela ne certifie aucun prestataire et ne transmet aucune demande.

Modèles de planification vierges en anglais. Définissez les exigences et consignez les preuves avant de convenir d’un programme. Ces fichiers ne contiennent ni résultats ni conditions commerciales.

Construisez la boucle

Définissez ensemble des données de qualité.

Apportez un enregistrement représentatif, votre schéma de sortie et vos critères d’acceptation. Évaluez d’abord l’intégration, puis comparez qualité et effort avant d’élargir le périmètre.

Cadrer un programme de données