Hebbian Robotics setzt auf offene, versionierte Datenpipelines, um Robotik zu entblocken

Hebbian Robotics entwickelt HFlow, ein Open-Source-SDK (Apache-2.0) für Robotik-Datenpipelines: Teams schreiben Transforms, Checks, Labels und Anreicherungen in reinem Python, die HFlow als Airflow-3-DAGs ausführt und dabei MCAP-Episoden mit Provenienz sowie einen abfragbaren DuckDB/Parquet-Katalog speichert.

Der Fortschritt in der Robotik wird durch Datenqualität ausgebremst, nicht durch Modelle; ein offenes SDK, das Roboteraufzeichnungen prüft, versioniert und kuratiert, wird daher zur Standard-Datenschicht.

Brandon Ong hatte Modelle für embodied AI für zweairmige industrielle Reinigungsroboter trainiert und an der Stanford University zu ressourcenarmen Sprachen geforscht; Kingston Kuan skalierte Systeme bei Jane Street und baute Verkadas groß angelegte Videoplattform. Beide erlebten immer wieder, wie Robotikteams fragile Einmal-Skripte zusammenbauten – eines transcodiert Video, ein anderes prüft Zeitstempel, ein weiteres vergibt Labels –, die mit wachsenden Korpora stillschweigend die Trainingsdaten verfälschen, sowie Datenanbieter, die ungeprüfte egozentrische oder Roboteraufzeichnungen verkauften.

Das Duo gründete Hebbian Robotics in San Francisco während des Summer-2026-Batches von YC (gegründet 2026, Zweierteam) und veröffentlichte HFlow 0.2.x bis August 2026 auf PyPI. Das SDK verarbeitet synchronisiertes Video, Zustände, Aktionen und Metadaten in MCAP-Dateien, zeichnet Provenienz und versionsgestempelte Qualitätsmessungen in einem Parquet-Katalog auf und stellt Pipelines als sichtbare Airflow-Graphen dar; der Launch HN am 31.08.2026 positionierte es gegen Teams, die dieselbe Pipeline-Infrastruktur selbst neu aufbauen. Die YC-Launch-Seite bewirbt APIs, mit denen Datenanbieter Käufern Qualität nachweisen können, wobei das gehostete mandantenfähige Produkt noch auf einer Warteliste steht.

Datenqualität ist der Engpass, auf den Robotikteams zuerst stoßen: Ein Modell kann desynchronisierte, unvollständige oder nicht reproduzierbare Aufzeichnungen nicht ausgleichen, daher gehört QC vor das Training, nicht nach Fehlschlägen.

Standardformate schlagen einen weiteren proprietären Stack: MCAP, Airflow, Parquet und DuckDB sind im Ökosystem bereits etabliert, was die Einführungskosten für Teams jeder Größe senkt.

Open Source ist der Keil, der zu einem Zweierteam passt: Apache-2.0-Code, Beiträge ohne Roboterhardware und sichtbare Provenienz schaffen schneller Vertrauen bei Datenkäufern, als es Vertriebsmitarbeiter könnten.

Evidenz statt Urteilen: Checks zeichnen Messungen mit Abdeckungs- und Versionsstempeln auf, sodass die Datensatzrichtlinie beim Konsumenten bleibt und jeder Korpus reproduzierbar bleibt.

Finde den Engpass, den Kunden zuerst spüren – Datenqualität, nicht Modelle –, öffne dann die Infrastruktur als Open Source, damit Standards sich kumulativ durchsetzen, und verkaufe Hosting erst, nachdem das Format gewonnen hat.

Stand 06.09.2026 ist Hebbian Robotics ein aktives Zweierteam-Unternehmen aus dem YC-Summer-2026-Batch in San Francisco. HFlow ist Pre-v1, wobei der Kern-Lebenszyklus von Transform bis Manifest durchgängig funktioniert; es ist von PyPI installierbar, hat 126 Forks auf GitHub, und in 0.2.4 wurde der LeRobot-v3-Import ergänzt. Der Launch HN vom 31.08.2026 erzielte 46 Punkte und 12 Kommentare, und das Unternehmen sammelt Namen für eine Warteliste für eine gehostete Plattform, während eine Monetarisierung über verwaltete Workspaces und Enterprise-Support nicht erklärt und ungetestet bleibt.