Робототехнические лаборатории собирают петабайты данных: видео с камер телеоперации, телеметрию суставов, сотни часов демонстраций. Нехватки данных нет. Хронический дефицит — в том, что пригодно для обучения. 🧭 **Суть.** По аудиту Voxel51 пригодны ~4% траекторий SayCan (около 12 000 из 276 000), а от 20 до 40% открытых наборов содержат контаминацию. Hebbian Robotics (YC S26) открыла SDK HFlow — конвейер контроля качества данных для обучения роботов; репозиторий запущен 18 августа, к 1 сентября — 229 звёзд и 54 контрибьютора. Как «данные для роботов» превращаются в продукт — в хронике ниже. ХРОНИКА: От уборочных роботов — к данным для обучения ──────────────────────────────────────────────────────────── 2019────── 2022────── 2024────── 18.08.26────── 13.09.26 🧹 📊 🔧 🚀 ◉ СЕЙЧАС Онг: Куан: Оба HFlow стар- YC S26, уборочные инфра- уходят тует как публич- роботы структ. в данные open-source ный за- LionsBot Verkada (Apache 2.0) пуск Хроника по данным GitHub hflow, профиля YC и Launch HN 🎯 **Точка отсчёта.** 26 дней между первым коммитом и публичным запуском: 5 релизов за 10 дней, 222 коммита, 54 контрибьютора при двух основателях. 4% траекторий SayCan #### Пригодность данных SayCan Из 276 000 траекторий Google SayCan после очистки к обучению пригодны около 12 000 · _Аудит Voxel51, 2026_ ## Цена грязных данных Четвёрка процентов — цена для всей индустрии: SayCan, один из самых цитируемых робототехнических наборов Google, при очистке под нужды базовых моделей потерял 96% объёма. Замёрзшие линзы, потерянные кадры, рассинхронизированные потоки, задублированные эпизоды. Каждый потерянный эпизод — потерянная физика: часы телеоперации, износ реального манипулятора, зарплата оператора. Выбросить 96% собранного экономически странно. Технически — вынужденно: грязный эпизод ломает модель быстрее, чем его отсутствие. «Пригодность» в робототехнике — не про отдельные пиксели. Эпизод жив, если целостна вся сцена: оператор подвёл руку к чашке, камера не замерзала, команды совпали с картинкой. Рвётся одна нить — обесценивается всё. Очистка — ручной труд разметчиков, пересматривающих часы записи. Индустрия не превращает это в метрику: показывать инвестору, как выбрасывается 90% собранного, никто не торопится. Аудит открытых наборов от Voxel51 называет диапазон от 20 до 40% контаминации — до двух наборов из пяти необучаемы без переработки. Грязь — плата за масштаб. Её никто не считает публично. ## Как роботы учились до конвейеров Пятнадцать лет назад робота программировали скриптом: жёсткая траектория, фиксированная поза, никаких данных. Позже пришли политики на симуляциях — sim-to-real (перенос из симуляции в реальность) удешевил обучение, но разрыв между симуляцией и реальностью остался. Настоящий сдвиг — большие наборы демонстраций: RT-1, DROID, Open X-Embodiment. Миллионы эпизодов с инструкциями. Здесь впервые встал вопрос, который индустрия языковых моделей решила раньше: сколько в этих данных мусора. Разметка инструкциями оказалась отдельной инженерной задачей: моделям нужны пары «инструкция — траектория», и заметная часть пар гибнет уже на этапе разметки, задолго до обучения. У LLM за пять лет выросла отдельная профессия — инженер данных. Фильтрация, дедупликация, автоматические проверки качества. В робототехнике эту работу продолжают сами исследователи: самодельными скриптами, без стандарта провенанса, у каждой лаборатории свои правила. Цена разнобоя видна на масштабе: один университетский набор, очищенный домашним пайплайном, другой — отраслевым. Модели, обученные на обоих, ведут себя по-разному. Объяснить почему, не получается до сих пор. Причина пропасти простая: текст дёшев, физика дорога. Языковые корпуса можно перегенерировать за ночь, а робототехнический эпизод — только часами операторского труда у реального манипулятора. > «Что, если превратить 4% пригодных траекторий в 90%?» — так команда представила HFlow на Launch HN.— Launch HN: Hebbian Robotics, сентябрь 2026 ## Фабрика проверок: что внутри HFlow HFlow — SDK с открытой лицензией Apache 2.0: фабрика контроля качества для данных роботов. Четыре стадии: сбор (collection), приёмка (ingestion), чистка (curation), выдача (delivery). Стандартный формат записей MCAP хранит видео, силы на суставах и команды оператора в одном потоке — распарсить этого мало, нужно убедиться, что кадры не потерялись между каналами, а команды сошлись с картинкой. Оркестрация — на Airflow, аналитика — на DuckDB поверх записей MCAP. Каждый эпизод получает провенанс (историю происхождения): какие обработчики его касались, какой версией кода, какие проверки пройдены. Повторный запуск конвейера даёт одинаковый результат. Выбор знакомого стека не случайность: Airflow и DuckDB знает любой data-инженер, порог входа минимален. Открытая лицензия — осознанный ход: малые команды получают инструменты больших лабораторий, а сообщество бесплатно дорабатывает проверки. Основатели — пара с несовпадающими биографиями. Брэндон Онг строил серийные уборочные роботы в LionsBot; Кингстон Куан тянул инфраструктуру в Jane Street и Verkada. Оба сошлись в одном: узкое место робототехники — данные, а не приводы. Публичные цифры простые: 229 звёзд, 222 коммита, 54 контрибьютора, 5 релизов за 10 дней. Отклик редкий для робототехники: софт для роботов обычно живёт в закрытых репозиториях лабораторий. #### Что реально делает HFlow? Разбирает сырой поток на эпизоды с единой схемой. Проверяет кадры, синхронность потоков, метаданные. Собирает датасет по правилам команды — и выдаёт версию с цифровой подписью. Применения команда описывает шире традиционного манипулятора: подводные аппараты, орбитальные сервисные машины, удалённые среды, куда человек не доедет. Везде общая механика — запись, проверка, сохранность демонстраций, — и везде сегодня кустарь. ## Ворота для VLA-поколения Следующее поколение моделей — vision-language-action («видение-язык-действие») — учится прямо на траекториях с инструкциями. Для них качество набора и качество политики — одно уравнение: мусор масштабирует ошибку модели. Капитал в индустрию уже пришёл. Как мы писали в сентябре, британский Humanoid закрыл раунд на $152 млн при оценке $1,35 млрд. Деньги на модели и железо есть. Инфраструктуры качества — нет. Сводные наборы вроде Open X-Embodiment исторически сопровождаются оговорками о разнокалиберных источниках. Чем больше агрегация, тем дороже аудит каждой строчки. Чистый набор тянет за собой следующий: контрибьюторы докладывают эпизоды, качество растёт, обучение ускоряется — замкнутый цикл данных, которого в робототехнике пока нет. Что меняется на глазах: * лаборатории встраивают контроль качества до обучения, а не после; * открытые наборы набирают популярность только вместе с метриками чистоты. ## За горизонтом: рынок данных Следующий шаг команды — коммерческий слой поверх открытого SDK: API контроля качества, платные наборы с провенансом, аудит чужих датасетов. Двое основателей, раунд $125k от YC — и задача уровня рынка. Риски понятны. Открытый проект может не пройти путь до продукта. Крупные лаборатории могут закрыть вопрос собственными конвейерами. Индустрия может надолго остаться в кустарном режиме. Если сценарий сработает, цепочка вытянется дальше: интеграторы, сертифицирующие наборы для производств, фабрики разметки с метриками чистоты, страховка от плохих данных. В LLM-рынке такие роли уже есть. Даже так сигнал читается чётко: качество данных становится воротами. Кто контролирует ворота — контролирует скорость обучения. 💡 **Что дальше.** Коммерческие API качества данных для роботов и платные наборы с провенансом станут обычным делом. Роль «инженера данных для роботов» выделится в отдельную профессию — как это случилось в LLM. ## Источники Hebbian Robotics — конвейеры данных для роботов Сайт команды: миссия, позиция «80% данных выбрасывается», описание продукта HFlow. Hebbian Robotics Первый источник — официальная позиция команды, основа всех ключевых утверждений. Репозиторий HFlow на GitHub SDK с открытой лицензией Apache 2.0; 229 звёзд, 222 коммита, 54 контрибьютора на момент публикации. GitHub · Hebbian Robotics Числа репозитория — проверяемая база хроники и темпов роста проекта. Hebbian Robotics в YCombinator Профиль стартапа: состав команды, когорта S26, отраслевое позиционирование. Y Combinator Подтверждает статус YC S26 и биографические детали основателей.

SDK for robotics teams to verify the quality of their data used for AI model training. - Hebbian-Robotics/hflow

Scalable multimodal data pipelines for robotics Discussion | Link

Another match has been announced for Vegas. Ricky Sosa will take on HOG pillar CA$HFLOW Ken Broadway at House Of Glory’s Culture Clash in Las Vegas. This will be Sosa’s HOG debut. Culture Clash is set to take place on Thursday, April 16th at the Pearl Theater in Palms Casino Resort in Las Vegas, Nevada. […]