Hebbian Robotics 押注開放、具版本控制的資料管線，為機器人領域解套

Hebbian Robotics 打造 HFlow，這是一套開源（Apache-2.0）的機器人資料管線 SDK：團隊以純 Python 撰寫轉換、檢查、標註與增補邏輯，由 HFlow 以 Airflow 3 DAG 執行，將 MCAP 片段連同來源追溯資訊一併儲存，並附上可查詢的 DuckDB/Parquet 目錄。

機器人領域的進展瓶頸在於資料品質，而非模型，因此一套能檢查、版本控制並整理機器人錄製資料的開放 SDK，將成為標準的資料層。

Brandon Ong 曾為雙臂工業清潔機器人訓練具身 AI 模型，並在史丹佛研究低資源語言；Kingston Kuan 曾在 Jane Street 擴展系統，並打造 Verkada 的大規模影片平台。兩人都持續看到機器人團隊拼湊脆弱的一次性腳本——一支負責轉碼影片、另一支檢查時間戳、再一支負責標註——這些腳本在語料規模擴大時會悄悄汙染訓練資料；他們也看到資料供應商販售未經查驗的自我中心視角或機器人錄製資料。

兩人在 YC 2026 夏季梯次期間於舊金山創立 Hebbian Robotics（創立於 2026 年，兩人團隊），並於 2026 年 8 月前在 PyPI 上發布 HFlow 0.2.x。這套 SDK 處理 MCAP 檔案中同步的影片、狀態、動作與中繼資料，在 Parquet 目錄中記錄來源追溯資訊與帶版本戳記的品質量測，並將管線呈現為可見的 Airflow 圖；2026 年 8 月 31 日的 Launch HN 將其定位為相對於自行重建相同管線基礎設施的團隊之替代方案。YC 發布頁面主打讓資料供應商向買方證明品質的 API，而託管的多租戶產品仍在候補名單階段。

資料品質是機器人團隊最先撞上的瓶頸：模型無法彌補失去同步、不完整或無法重現的錄製資料，因此品質控管應在訓練之前，而非失敗之後。

標準格式勝過另一套專有堆疊：MCAP、Airflow、Parquet 與 DuckDB 已在生態系中受到信任，這降低了各種規模團隊的採用成本。

開源是適合兩人團隊的切入點：Apache-2.0 程式碼、無需機器人硬體即可貢獻，以及可見的來源追溯，比業務人員更能快速建立資料買方的信任。

證據重於判定：檢查會記錄量測值，附上涵蓋範圍與版本戳記，因此資料集政策仍由使用方決定，每個語料也保持可重現。

先找出客戶最先感受到的瓶頸——資料品質，而非模型——然後將基礎設施開源，讓標準得以複利累積，並在格式勝出後才販售託管服務。

截至 2026 年 9 月 6 日，Hebbian Robotics 是舊金山一家活躍的兩人 YC 2026 夏季梯次公司。HFlow 仍處於 v1 之前，核心的「轉換到 manifest」生命週期已可端到端運作，可從 PyPI 安裝，GitHub 上有 126 個 fork，並在 0.2.4 版加入 LeRobot v3 匯入。2026 年 8 月 31 日的 Launch HN 獲得 46 點與 12 則留言，該公司正在為託管平台候補名單收集名單，而透過代管工作區與企業支援獲利的模式仍未公開宣布，也尚未經過驗證。