Sensor data labeling

Annotation de données pour la robotique et l’autonomie

Avala labels camera, LiDAR, point-cloud, and sequence data for robotics, then keeps that work inside the fleet learning loop: ingest, review, a versioned dataset, and the training handoff.

Fleet Learning Infrastructure pour la Physical AI

Published robotics labeling capabilities

Published robotics labeling capabilities
CapabilityStatusWhat Avala publishes
Cameras and videoSupportedImages and video are labeled with 2D boxes and masks, alongside the sequence they belong to.
LiDAR and point cloudsSupportedPoint-cloud scenes take 3D cuboids and point-cloud labels, with camera and sequence context kept where the workflow supports them.
Depth mapsSupportedDepth maps are a published annotation type on the same workflow as video, point clouds, text, and audio.
MCAP, ROS 1, and ROS 2SupportedLa 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
Timestamp and calibration contextPreservedTimestamp and calibration context stay attached while teams inspect the same event across sensor streams.
2D boxes, masks, polylines, and classificationsSupportedThese are published ground-truth outputs for camera and sequence data.
3D cuboidsSupportedCuboids capture position, dimensions, and heading in point-cloud scenes.
Tracking across a sequenceSupportedTracked objects are a published output, so an object keeps its identity across the sequence.
Trajectory contextSupportedCamera, point-cloud, and trajectory data stay aligned as work moves through labeling and review.
LeRobot datasetsSupportedImportez 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.

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

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.

Questions this page answers

What sensor data can Avala label for robotics?

Avala publishes workflows for cameras, video, LiDAR, point clouds, depth maps, and sequences, and it imports MCAP, ROS 1, and ROS 2 recordings with synchronized camera, LiDAR, and telemetry streams.

Is labeling the whole product?

L’annotation est reliée à l’ingestion, à la visualisation, au contrôle qualité et à la livraison de jeux de données versionnés dans le processus d’apprentissage de flotte d’Avala.

How is labeling reviewed?

Labeling runs with human review and traceable quality-control states. The annotation pages describe the review path for camera, LiDAR, and telemetry.

How do I start a robotics labeling workflow?

Book a demo, or read the ground-truth outputs and the MCAP annotation page. LeRobot import and export are documented with the SDKs.