Платформа разработчика Physical AI

Стройте на инфраструктуре, на которой учатся ваши модели Physical AI.

Подключайте агентов к размещённому серверу MCP, работайте с SDK для Python и TypeScript, читайте метаданные каждой последовательности, импортируйте и экспортируйте датасеты LeRobot.

Начать Разработку Записаться на технический разбор

Облачный MCP

Запрашивайте данные цикла обучения парка из своих ИИ-инструментов.

Подключите одну размещённую конечную точку. Ваши агенты смогут читать записи и оповещения парка, последовательности, кампании сбора и их покрытие приёмки, консенсус, целевые показатели качества и статус экспорта.

Задания на сбор, отчёты о пробелах и отчёты об оценке входят в программу обучения на данных парка. Их передаёт ваша команда Avala.

Открыть руководство MCP

Облачный MCP endpoint

https://mcp.avala.ai/mcp

Инструменты по этапам цикла

Наблюдение: fleet_list_recordingsfleet_list_eventsfleet_list_alerts
Диагностика: list_sequencespreview_curation_candidates
Сбор: list_capture_campaignsget_campaign_acceptance_coverage
Проверка: get_dataset_healthget_consensus_summarylist_quality_targets
Выпуск: list_sliceslist_exportsget_export_status

Доступ соответствует вашим разрешениям Avala. Проверенные действия сотрудников видны только уполномоченным операторам и требуют явного подтверждения.

Интерфейсы

Выберите интерфейс для вашего стека.

Python, TypeScript, публичный REST API и облачный MCP используют единую модель данных Avala.

Python SDK

Синхронные и асинхронные клиенты, курсорная пагинация, типизированные модели и явные ошибки.

pip install avala

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

TypeScript SDK

Типизированные ресурсные клиенты без runtime-зависимостей и с официальной поддержкой Node.js 18+.

npm install @avala-ai/sdk

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

REST API

Используйте публичный endpoint api.avala.ai из любого языка или аутентифицированного HTTP-клиента.

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

Облачный MCP

Подключайте совместимые ИИ-инструменты к контексту датасетов и операций в рамках разрешений.

https://mcp.avala.ai/mcp

Метаданные последовательности

Одна схема для каждой полученной последовательности.

Последовательности из программы обучения на данных парка содержат одинаковые поля. Ваш код обучения может фильтровать, разбивать и взвешивать их без догадок.

Как оценивается каждая последовательность

Метка результата по обеим оценкам
Границы подзадач с текстовым описанием каждого шага
Оценки качества и скорости
Сегменты ошибок и восстановления
ID установки и калибровки
Группы утечки по дому, объекту и оператору

Группы утечки позволяют разделить обучающую и тестовую выборки так, чтобы один и тот же дом, объект или оператор никогда не попадал в обе.

Формат LeRobot

Импорт и экспорт данных в формате LeRobot.

Импортируйте датасет LeRobot в Avala как последовательности MCAP или экспортируйте датасет последовательностей Avala в формат LeRobot v3. Каждый episode LeRobot соответствует одной последовательности Avala. Обе команды входят в Python SDK и требуют Python 3.12 или новее.

Установите CLI с поддержкой LeRobot: Установите CLI с поддержкой LeRobot
pip install "avala[cli,lerobot]"
Импортируйте датасет из Hugging Face Hub: Импортируйте датасет из Hugging Face Hub
avala import lerobot --repo-id lerobot/svla_so101_pickplace --name "SO-101 pick and place" --slug so101-pick-and-place
Экспортируйте датасет последовательностей в LeRobot v3: Экспортируйте датасет последовательностей в LeRobot v3
avala lerobot export my-org/so101-pick-and-place --repo-id my-hf-user/so101-pick-and-place --output ./lerobot-out

Первый цикл

Проверьте свои данные одним аутентифицированным запросом.

Введите ключ в скрытом приглашении и запросите публичный API, оставив учетные данные изолированными во временной подоболочке.

Bash или Zsh · curl · ключ API Avala

Аутентифицированный публичный API · Bash или 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"
)

Программируемый процесс

Программируйте полный цикл данных Physical AI.

Используйте стабильные интерфейсы для операционных этапов между сырыми данными датчиков и следующим запуском модели.

Загружайте данные датчиков

Объединяйте данные MCAP, LiDAR, видео, ROS bag и LeRobot в единой модели датасета.

CLIPython SDKREST API

Проверяйте состояние датасета

Проверяйте индексацию, последовательности, число кадров и калибровку до запуска данных в производство.

CLIPython SDKREST API

Запускайте разметку с помощью моделей

Запускайте авторазметку в рамках проекта и сохраняйте проверку человеком в том же управляемом процессе.

CLIPython SDKMission Control

Публикуйте готовые к обучению экспорты

Создавайте экспорт датасета или проекта и отслеживайте его до готовности для последующего обучения.

CLIPython SDKREST API

Технический разбор

Принесите нам самый сложный цикл данных.

Мы разберём интерфейсы, путь хранения, контроль качества и контракт релиза на примере реального процесса.

Записаться на технический разбор Открыть справочник API