01
Единая система учёта
Связывайте сенсорные данные, метки, схемы, согласования и экспорты с той версией датасета, которая их создала.
Компания
Fleet Learning Infrastructure для Physical AI.
Avala связывает сенсорные данные роботов, транспорта и дронов с ревью человеком + ИИ, версионированными релизами датасетов и обратной связью модели, которая запускает следующий цикл.
Единый связанный цикл
ПрослеживаемоСенсорные данные
MCAP · LiDAR · видео
Релизы датасетов
Версии · происхождение · разрешения
Обратная связь модели
Оценка · дрейф · переразметка
Каждый результат модели можно проследить до данных.
История основателя
Avala началась с fleet learning в Tesla Autopilot.
До основания Avala Эмал Алвис пришёл в команду Tesla Autopilot AI третьим инженером-программистом и первым, кто занялся fleet learning, подчиняясь напрямую Илону Маску. Он построил системы, превращавшие пограничные случаи флота в улучшения модели в производственном масштабе.
Этот опыт определил Avala: связный цикл, сохраняющий контекст сенсоров, решения проверки, происхождение датасетов и обратную связь от моделей. Мы создаём основу для работы с данными, чтобы команды Physical AI могли сосредоточиться на своих машинах и моделях.
Эмал Алвис
Основатель и генеральный директор
Коротко
Avala в пяти фактах.
- Категория
- Fleet learning infrastructure для Physical AI: 4D-данные реального мира и цикл, который улучшает модель.
- Что мы обеспечиваем
- Цикл, который превращает собственные сенсорные данные флота в его следующую модель: 4D-реконструкция, разметка человек + ИИ, контроль качества, версионированные релизы и передача на обучение. Разметка — один из этапов этого цикла.
- Чем владеют клиенты
- Данными, метками и моделью. Клиенты обучают в собственном конвейере; Avala обеспечивает инфраструктуру, благодаря которой каждый релиз лучше предыдущего.
- Основана
- 2020, Сан-Франциско. Основатель и CEO Эмал Алвис был третьим инженером-программистом в команде Tesla Autopilot AI и первым, кто занялся там fleet learning.
- Инвесторы
- Wonder Ventures, MaC Venture Capital, Flybridge Capital и Valor Equity Partners.
Почему Avala
Physical AI улучшается, когда у её данных есть память.
Объём данных растёт. Сложнее всего знать, какие данные были важны, что изменилось, кто это одобрил и какой релиз дошёл до обучения. Avala сохраняет эту операционную историю. Каждое развёртывание порождает исключения, которых его модели ещё не видели. Именно сохранение этой истории в целости делает следующий релиз лучше предыдущего.
Доказано операциями
Создано в продакшене, а не в теории.
Наши команды выполняют реальные процессы сенсорных данных внутри Avala. Эта операционная глубина превращается в повторно используемое ПО (контроль качества, версии датасетов и циклы обратной связи), а не в череду разовых поставок.
Куда мы движемся
Владельцы собственного интеллекта, а не арендаторы чужого.
К 2028 году Avala станет открытой инфраструктурой, на которой любой оператор машин в физическом мире превращает собственный опыт в собственный интеллект, сохраняя данные, модели и развёртывание под своим контролем, чтобы каждый мог быть владельцем своего интеллекта, а не арендатором чужого. Всё начинается с цикла, который мы ведём уже сегодня: сделать один рабочий процесс повторяемым, перенести его историю на новые модели и команды и помочь каждому парку машин учиться на собственном опыте.
Узнать о нашем виденииГлобальные операции
Экспертное суждение, связанное с системой.
Обученная сеть на пяти континентах обрабатывает случаи, с которыми не справляются модели, а каждое решение остаётся связано с релизом датасета.
Операционная сеть
5 континентовAvala
Северная Америка
Южная Америка
Африка
Европа
Азия
Решения людей остаются в том же управляемом процессе, что и автоматизация.
Как мы строим
Принципы долговечной инфраструктуры.
Платформа должна упрощать правильную работу: единая запись, видимые доказательства и человеческое суждение там, где оно влияет на результат.
02
Доказательства на каждом этапе
Показывайте решения ревью, сигналы качества и историю релизов, чтобы команды могли воспроизвести то, что попало в обучение.
03
Люди там, где важно суждение
Используйте автоматизацию для повышения производительности. Неоднозначные, критичные для безопасности и предметные случаи направляйте обученным ревьюерам, которые сохраняют контекст между релизами.
Долгосрочные партнёры
Нас поддерживают партнёры, разделяющие нашу миссию
Стройте вместе с нами
Создавайте инфраструктуру, от которой будет зависеть Physical AI.
Присоединяйтесь к команде, которая объединяет системы данных, модельные операции и ориентированное на людей исполнение для роботов, транспорта и других машин, обучающихся на физическом мире.
Начните с одного процесса