Physical AI開発者プラットフォーム

Physical AIモデルが学ぶインフラの上に構築する。

エージェントをホスト型 MCP サーバーに接続し、Python と TypeScript の SDK で開発し、すべてのシーケンスのメタデータを読み取り、LeRobot データセットをインポートまたはエクスポートできます。

構築を開始技術ウォークスルーを予約

ホスト型MCP

AI ツールからフリートラーニングのループに問い合わせる。

ホスト型エンドポイントを一つ接続するだけです。エージェントは、フリートの記録とアラート、シーケンス、収集キャンペーンとその受け入れカバレッジ、コンセンサス、品質目標、エクスポートの状態を読み取れます。

収集ブリーフ、ギャップレポート、評価レポートはフリートラーニングプログラムに含まれます。Avala の担当チームがお届けします。

MCPガイドを読む

ホスト型MCPエンドポイント

https://mcp.avala.ai/mcp

ループの段階別ツール

観測: fleet_list_recordingsfleet_list_eventsfleet_list_alerts
診断: list_sequencespreview_curation_candidates
収集: list_capture_campaignsget_campaign_acceptance_coverage
検証: get_dataset_healthget_consensus_summarylist_quality_targets
リリース: list_sliceslist_exportsget_export_status

アクセス範囲はAvalaの権限に従います。審査済みのスタッフ操作は対象のオペレーターにのみ表示され、明示的な確認が必要です。

インターフェース

スタックに合うインターフェースを選ぶ。

Python、TypeScript、公開REST API、ホスト型MCPは同じAvalaデータモデルを共有します。

Python SDK

同期・非同期クライアント、カーソルページネーション、型付きモデル、明示的なエラー。

pip install avala

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

TypeScript SDK

実行時依存関係のない型付きリソースクライアント。Node.js 18以上を正式サポート。

npm install @avala-ai/sdk

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

REST API

公開エンドポイントapi.avala.aiを、任意の言語や認証済みHTTPクライアントから利用できます。

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

ホスト型MCP

互換性のあるAIツールを、権限で制限されたデータセットと運用の文脈に接続します。

https://mcp.avala.ai/mcp

シーケンスのメタデータ

受け取るすべてのシーケンスに、同じスキーマ。

フリートラーニングプログラムで納品されるシーケンスには、同じフィールドが付きます。学習コードは推測に頼らず、絞り込み、分割、重み付けができます。

各シーケンスの評価方法を見る

2 つの評価それぞれの結果ラベル
各ステップの言語による説明付きのサブタスク境界
品質と速度の評価
ミスとリカバリーのセグメント
リグとキャリブレーションの ID
家庭、物体、オペレーターごとのリークグループ

リークグループを使うと、同じ家庭、物体、オペレーターが学習セットとテストセットの両方に入らないように分割できます。

LeRobot 形式

LeRobot 形式でデータをインポート、エクスポート。

LeRobot データセットを MCAP シーケンスとして Avala にインポートしたり、Avala のシーケンスデータセットを LeRobot v3 データセットとしてエクスポートしたりできます。LeRobot の episode 1 件が Avala のシーケンス 1 件に対応します。どちらのコマンドも Python SDK に含まれ、Python 3.12 以降が必要です。

LeRobot 対応の CLI をインストール: LeRobot 対応の CLI をインストール
pip install "avala[cli,lerobot]"
Hugging Face Hub からデータセットをインポート: Hugging Face Hub からデータセットをインポート
avala import lerobot --repo-id lerobot/svla_so101_pickplace --name "SO-101 pick and place" --slug so101-pick-and-place
シーケンスデータセットを LeRobot v3 にエクスポート: シーケンスデータセットを LeRobot v3 にエクスポート
avala lerobot export my-org/so101-pick-and-place --repo-id my-hf-user/so101-pick-and-place --output ./lerobot-out

最初のループ

1回の認証済みリクエストでデータを確認する。

画面に表示されないプロンプトでキーを入力し、認証情報を一時サブシェル内に隔離したまま公開APIを照会します。

BashまたはZsh · curl · Avala APIキー

認証済み公開API · Bashまたは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"
)

プログラム可能なワークフロー

Physical AIのデータループ全体をプログラムする。

生のセンサーデータから次のモデル実行までの運用ステップを、安定したインターフェースで扱えます。

センサーデータを取り込む

MCAP、LiDAR、動画、ROS bag、LeRobotのデータを一つのデータセットモデルに取り込みます。

CLIPython SDKREST API

データセットの健全性を確認

本番作業の前に、インデックス、シーケンス、フレーム数、キャリブレーションを確認します。

CLIPython SDKREST API

モデル支援ラベリングを実行

プロジェクト単位の自動ラベリングジョブを開始し、人によるレビューを同じ統制されたワークフロー内に保ちます。

CLIPython SDKMission Control

学習準備済みエクスポートを公開

データセットやプロジェクトのエクスポートを作成し、後続の学習に向けて完了まで追跡します。

CLIPython SDKREST API

技術ウォークスルー

最も難しいデータループをお持ちください。

実際のワークフローをもとに、インターフェース、保存経路、品質ゲート、リリース契約を整理します。

技術ウォークスルーを予約 APIリファレンスを読む