フリートラーニングのループのすべての段階を、一つのプラットフォームで支えます。

フリートが何をしたかを確認します。記録はデバイス、イベント、アラートの文脈とともに届き、どのシーケンスもそのシーンの中で開けます。

• フリートのデバイス、記録、イベント
• ルールとアラート
• MCAP ビューア
• 3D と Gaussian Splatting のレンダリング

モデルがどこで、なぜ失敗するのかを見つけます。Avala は失敗をグループ化し、重複を確認し、データに欠けているカバレッジセルに対応づけます。

• 記録とシーケンスの横断検索
• 重複チェックと動画フィンガープリント
• 失敗のクラスタリングと失敗分類体系
• カバレッジセルに対応づけたギャップレポート

何かを変える前に、ホールドアウトした実環境シーンで現在のモデルをスコアリングします。その後のすべての結果に基準ができます。

• 学習用には公開しないホールドアウトシーン
• バージョン管理されたコンタミネーションチェック
• 視覚言語モデルによる事前スコアと人による監査
• 信頼区間付きのレポート

ギャップを収集キャンペーンに変えます。承認済みのブリーフがタスク、場所、物体、シーケンス数を定め、カバレッジ基準が水準を決めます。

• 承認済みブリーフに基づく収集キャンペーン
• 収集とラベリングのためのマネージド人材
• 175 ワークフローのカタログから選ぶカバレッジセル
• 納品ごとのカバレッジレポート

お客様が、自社のコードと計算資源で新しいデータセットリリースを使って学習します。Avala はシーケンスからリリースまでのリネージを保持します。

• Python と TypeScript の SDK
• PyTorch へのデータ読み込み
• LeRobot 形式でのエクスポート

リリースに入る前に、すべてのシーケンスをブリーフに照らして確認します。技術的な妥当性と行動の結果は別々に評価します。

• キャンペーンごとの受け入れ基準
• 品質目標
• コンセンサススコアリング
• 結果ラベルとリカバリーラベル

モデルを出荷する時期はお客様が決めます。その背後にあるデータは、スライス、エクスポート、完全なリネージを備えたバージョン管理済みのリリースです。

• バージョン管理されたデータセットとスライス
• LeRobot 形式を含むエクスポート
• 収集からリリースまでのリネージ
• SDK とホスト型 MCP サーバー