01
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
Physical AI開発者プラットフォーム
Physical AIモデルが学ぶデータレイヤーを構築する。
型付きSDK、CLI、REST、MCPでセンサーデータを取り込み、データセットの健全性を確認し、リリースを統制し、モデルのフィードバックを次の学習サイクルへつなげます。
最初のループ
1回の認証済みリクエストでデータレイヤーを確認する。
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。
02
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
03
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
04
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
ホスト型MCP
統制されたデータセットの文脈をAIツールへ。
一つのホスト型エンドポイントを接続し、アカウントがアクセスできるデータセット、キャプチャ、品質証跡、運用状態を確認できます。
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 avalaTypeScript 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/sdkREST 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。