Hebbian Robotics, çok modlu robotik veri hatları için bir SDK olan HFlow'u açık kaynak yaptı

Ne lanç edildi

Y Combinator 2026 Yaz dönemi girişimi Hebbian Robotics, robotik ve fiziksel yapay zekâda ölçeklenebilir çok modlu veri hatları kurmak için bir SDK olan HFlow'u açık kaynak yaptı. Şirket projeyi Hacker News'te bir lanç yazısıyla duyurdu ve kodu GitHub'da yayınladı. Proje şu anda 0.2.0 sürümünde ve pre-v1 olarak tanımlanıyor; yine de Hebbian, çekirdek yaşam döngüsünün uçtan uca çalıştığını ve yerel olarak denemeye hazır olduğunu söylüyor.

Hedeflediği darboğaz

Lanç yazısına göre Hebbian, robotikte veri işlemeyi büyük bir darboğaz olarak görüyor. Tipik bir korpus; video, robot durumu, eylemler, zaman damgaları ve birkaç kayıt sisteminden gelen metadata karışımından oluşuyor. Ekipler acıyı genellikle önce kalite kontrolde hissediyor: kameranın donup donmadığını, akışların eşzamanlılığını yitirip yitirmediğini, gerekli topic'lerin kaybolup kaybolmadığını ya da veri setine yinelenen kayıtların girip girmediğini anlamaya çalışmak zorunda kalıyorlar. Korpus büyüdükçe, parçalı scriptler neyin çalıştığını bilmeyi, sonuçları denetlemeyi ya da bir veri setini yeniden üretmeyi zorlaştırıyor. HFlow'un beyan edilen amacı, genellikle yalnızca büyük robotik ekiplerinin içinde inşa edilen veri araçlarını ve pratiklerini her boyuttan ekibin erişimine açmak.

HFlow nasıl çalışıyor

Veri dört aşamalı bir yaşam döngüsünden geçiyor: bir landing bucket'a toplama, dönüşümlerle birlikte Airflow DAG olarak ingestion, bir kalite kapısı ve zenginleştirme, episode kataloğu üzerinden SQL ile curation ve eğitim için dönüştürülebilen bir manifest ile birlikte kürasyon edilmiş MCAP olarak teslim.

Kullanıcının işleme kodu kullanıcında kalıyor. Dönüşümler, kontroller, etiketler ve zenginleştirmeler kullanıcının kendi ortamında düz Python fonksiyonları olarak yer alıyor ve mevcut kod, tescilli bir framework için yeniden yazılmak yerine küçük adapter'lar üzerinden takılıyor. HFlow bu adımların çevresindeki orkestrasyon, depolama, sürümleme ve curation işlerini üstleniyor. Yürütme, geliştirme sırasında in-process çalışıyor ve zamanlanmış çalıştırmalar için Airflow 3 DAG'leri üretiyor.

MCAP, v1 girdi ve çıktı sınırı olarak seçildi; çünkü video, durum ve diğer zaman serisi akışlarını verimli biçimde depolayıp sunuyor. ROS 2 bu formatı doğal olarak kaydediyor ve Foxglove ile Rerun gibi araçlar doğrudan açabiliyor. Hebbian'a göre episode'ler, okuma desenlerine uyumlu bir GOP uzunluğuyla in-band H.264 kullanılarak ve topic-grup chunking ile yazılıyor; böylece kamera ile durum akışları asla aynı chunk'ı paylaşmıyor ve bir eğitim örneği, topic başına değil grup başına tek okumaya mal oluyor. Girdi, insanların taktığı kameralardan, teleoperasyon yapılan robotlardan, otonom policy'lerden ya da veri desteklenen bir MCAP episode'u olarak temsil edildiği sürece diğer toplama sistemlerinden gelebilir. Bir importer ayrıca LeRobot Dataset v3 repository'lerini kabul ediyor ve bir branch referansını, provenance olarak kaydedilen değişmez bir commit'e çözüyor.

İzlenebilirlik yinelenen bir tema. İşlenmiş her episode, onu üreten şema, pipeline ve araç sürümlerini, mümkün olduğunda da kaynak URI'sini kaydeden metadata taşıyor. Pipeline Airflow üzerinden bir graf olarak görselleştiriliyor; böylece ekipler aşamaların nasıl bağlandığını görebiliyor ve görev durumunu, logları, yeniden denemeleri ve yeniden çalıştırmaları izleyebiliyor.

Kalite kontrolleri hüküm yerine yeniden kullanılabilir kanıt üretiyor. Accessor'lar mevcut kodun beklediği girdileri (numpy dizileri, MP4 yolları veya JPEG kareleri gibi) ortaya çıkarıyor ve sonuçlar sorgulanabilir ölçümler olarak Parquet kataloğuna düşüyor. Bu sayede farklı veri setleri, medyayı yeniden işlemek zorunda kalmadan farklı eşikler uygulayabiliyor ve DuckDB, korpus genelindeki soruları yanıtlayıp manifest'ler oluşturmak için alttaki MCAP dosyalarını açmadan çalışabiliyor.

Barındırma ve yol haritası

Açık kaynak dağıtımın kolayca sahiplenilmesi hedefleniyor: paketle gelen Docker Compose runtime ile tek kiracılı bir workspace ya da ekibin halihazırda işlettiği bir Airflow 3 ortamına konuşlanan üretilmiş bir DAG bundle. Kullanıcı hesapları, RBAC veya çok kiracılı bir kontrol düzlemi yok. Hebbian, veri düzlemini kontrol düzlemi kaygılarından ayrı tuttu; böylece aynı motor, harici bir kontrol düzleminin arkasında birden çok izole workspace olarak çalışabilir. Şirket bunu gelecekteki barındırılan sürüme giden beyan edilen yol olarak gösteriyor; ancak barındırılan kontrol düzleminin repository'de uygulanmadığını ve pre-v1 taahhüdü olmadığını belirtiyor; barındırılan sürüme ilgi için bir bekleme listesi açık.

Dikkat çekmeye değer bir uyarı: Aynı PyPI adı altındaki önceki 0.1.x sürümleri, ad devredilmeden önce ilgisiz ve etkin olmayan bir projeye aitti.

Neden önemli

Daha fazla ekip büyük çok modlu korpuslarla robot policy'leri eğittikçe, bu verinin çevresindeki göz alıcı olmayan tesisat — sürümleme, kalite kanıtı ve provenance dahil — sonuçlara güvenilip güvenilemeyeceğini ve yeniden üretilip üretilmeyeceğini giderek daha çok belirliyor. HFlow bunları geçici scriptler yerine birinci sınıf artefaktlar olarak ele alıyor; MCAP, Parquet, DuckDB ve Airflow gibi açık formatlara ve araçlara yaslanarak geçiş maliyetlerini düşük tutuyor, bu da gelecekteki barındırılan bir ürünü benimsemeyi kolaylaştırırdı. Pre-v1 durumu, olası kullanıcıların açık issue'lara bakması gerektiği anlamına geliyor; ancak quickstart Docker ya da Airflow olmadan çalışıyor, kayıt sağlanmadığında kendi test episode'unu sentezliyor ve katkıda bulunmak robot donanımı gerektirmiyor; yani değerlendirme engeli bilinçli olarak düşük tutulmuş.