01
센서 데이터 수집
MCAP, LiDAR, 비디오, ROS bag 또는 LeRobot 데이터를 하나의 데이터셋 모델로 가져오세요.
CLIPython SDKREST API
Physical AI 개발자 플랫폼
Physical AI 모델이 학습하는 데이터 레이어를 구축하세요.
타입 SDK, CLI, REST 또는 MCP로 센서 데이터를 수집하고 데이터셋 상태를 검사하며 릴리스를 관리하고 모델 피드백을 다음 학습 주기로 연결하세요.
첫 번째 루프
한 번의 인증 요청으로 데이터 레이어를 검사하세요.
화면에 표시되지 않는 프롬프트에서 키를 입력하고 자격 증명을 임시 서브셸 안에 격리한 채 공개 API를 조회합니다.
Bash 또는 Zsh · curl · Avala API 키
인증된 공개 API · Bash 또는 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"
)프로그래밍 가능한 워크플로
전체 Physical AI 데이터 루프를 프로그래밍하세요.
원시 센서 데이터와 다음 모델 실행 사이의 운영 단계를 안정적인 인터페이스로 처리하세요.
02
데이터셋 상태 검사
데이터가 프로덕션에 들어가기 전에 인덱싱, 시퀀스, 프레임 수, 보정을 확인하세요.
CLIPython SDKREST API
03
모델 지원 레이블링 실행
프로젝트 범위 자동 레이블링 작업을 실행하고 사람의 검토를 동일한 거버넌스 워크플로에 유지하세요.
CLIPython SDKMission Control
04
학습 준비 내보내기 게시
데이터셋 또는 프로젝트 내보내기를 만들고 후속 학습을 위해 완료될 때까지 추적하세요.
CLIPython SDKREST API
호스팅 MCP
거버넌스가 적용된 데이터셋 맥락을 AI 도구에 연결하세요.
하나의 호스팅 엔드포인트를 연결해 계정이 접근할 수 있는 데이터셋, 캡처, 품질 증거, 운영 상태를 확인하세요.
MCP 가이드 읽기호스팅 MCP 엔드포인트
https://mcp.avala.ai/mcp접근 범위는 Avala 권한을 따릅니다. 검토된 스태프 작업은 자격이 있는 운영자에게만 표시되며 명시적 확인이 필요합니다.
인터페이스
스택에 맞는 인터페이스를 선택하세요.
Python, TypeScript, 공개 REST API와 호스팅 MCP는 동일한 Avala 데이터 모델을 공유합니다.
Python SDK
동기·비동기 클라이언트, 커서 페이지네이션, 타입 모델, 명시적 오류.
pip install avalaTypeScript SDK
런타임 종속성이 없는 타입 리소스 클라이언트와 Node.js 18+ 공식 지원.
npm install @avala-ai/sdkREST API
공개 api.avala.ai 엔드포인트를 모든 언어 또는 인증된 HTTP 클라이언트에서 사용하세요.
curl --fail-with-body -H "X-Avala-Api-Key: $AVALA_API_KEY" "https://api.avala.ai/api/v1/datasets/?limit=10"호스팅 MCP
호환되는 AI 도구를 권한 범위의 데이터셋 및 운영 맥락에 연결하세요.
https://mcp.avala.ai/mcp기술 워크스루
가장 어려운 데이터 루프를 가져오세요.
실제 워크플로 하나를 중심으로 인터페이스, 스토리지 경로, 품질 게이트, 릴리스 계약을 함께 설계합니다.