Hebbian Robotics parie sur des pipelines de données ouverts et versionnés pour débloquer la robotique

Hebbian Robotics développe HFlow, un SDK open source (Apache-2.0) pour les pipelines de données robotiques : les équipes écrivent en Python simple des transformations, contrôles, étiquetages et enrichissements que HFlow exécute comme DAG Airflow 3, en stockant des épisodes MCAP avec leur provenance ainsi qu'un catalogue DuckDB/Parquet interrogeable.

Les progrès en robotique sont freinés par la qualité des données, non par les modèles ; un SDK ouvert qui contrôle, versionne et organise les enregistrements robotiques devient donc la couche de données standard.

Brandon Ong avait entraîné des modèles d'IA incarnée pour des robots industriels de nettoyage à deux bras et mené des recherches sur les langues à faibles ressources à Stanford ; Kingston Kuan a fait passer des systèmes à l'échelle chez Jane Street et construit la plateforme vidéo à grande échelle de Verkada. Tous deux voyaient sans cesse des équipes robotiques assembler des scripts fragiles et ponctuels — l'un transcode la vidéo, un autre vérifie les horodatages, un autre étiquette — qui corrompent discrètement les données d'entraînement à mesure que les corpus grossissent, ainsi que des fournisseurs de données vendant des enregistrements égocentriques ou robotiques non vérifiés.

Le duo a fondé Hebbian Robotics à San Francisco pendant la promotion Summer 2026 de YC (fondée en 2026, équipe de deux personnes) et a publié HFlow 0.2.x sur PyPI jusqu'en août 2026. Le SDK traite des vidéos, états, actions et métadonnées synchronisés dans des fichiers MCAP, consigne la provenance et des mesures de qualité horodatées par version dans un catalogue Parquet, et représente les pipelines sous forme de graphes Airflow visibles ; le Launch HN du 2026-08-31 le positionnait face aux équipes qui reconstruisent elles-mêmes la même infrastructure de pipeline. La page de lancement YC présente des API permettant aux fournisseurs de données de prouver la qualité aux acheteurs, le produit hébergé multi-tenant restant sur liste d'attente.

La qualité des données est le premier goulot d'étranglement que rencontrent les équipes robotiques : un modèle ne peut pas compenser des enregistrements désynchronisés, incomplets ou non reproductibles, le contrôle qualité doit donc intervenir avant l'entraînement, et non après les échecs.

Les formats standards l'emportent sur une nouvelle pile propriétaire : MCAP, Airflow, Parquet et DuckDB sont déjà éprouvés dans l'écosystème, ce qui abaisse le coût d'adoption pour les équipes de toute taille.

L'open source est le coin d'attaque adapté à une équipe de deux personnes : un code Apache-2.0, des contributions sans matériel robotique et une provenance visible instaurent la confiance avec les acheteurs de données plus vite que ne le feraient des commerciaux.

Des preuves plutôt que des verdicts : les contrôles consignent des mesures avec couverture et horodatages de version, la politique des jeux de données reste donc du ressort du consommateur et chaque corpus demeure reproductible.

Identifiez le goulot d'étranglement que les clients ressentent en premier — la qualité des données, non les modèles — puis ouvrez l'infrastructure en open source pour que les standards se consolident, et ne vendez l'hébergement qu'une fois le format imposé.

Au 2026-09-06, Hebbian Robotics est une entreprise active de deux personnes de YC Summer 2026 à San Francisco. HFlow est en pré-v1, avec le cycle de vie central transformation-vers-manifeste fonctionnant de bout en bout, installable depuis PyPI, avec 126 forks sur GitHub et l'import LeRobot v3 ajouté en 0.2.4. Le Launch HN du 2026-08-31 a recueilli 46 points et 12 commentaires, et l'entreprise collecte des noms pour une liste d'attente de plateforme hébergée, tandis que la monétisation via des espaces de travail gérés et un support entreprise reste non déclarée et non testée.