YC S26：千元人形机器人 Nori 与数据管道 HFlow

本季度 Y Combinator S26 批次孵化的机器人项目密集进入公众视野。其中两家公司在 Hacker News 的 Launch HN 版块相继亮相，分别切入了具身 AI 落地链条的不同环节：一端是降低部署门槛的低成本硬件，另一端是支撑规模化训练的数据管道基础设施。

Nori Robotics：1688 美元的开发者人形机器人

Nori Robotics 的定位是面向开发者的低成本人形机器人，主机售价 1688 美元，全款购买，无需押金，在旧金山完成组装。

从硬件规格来看，Nori 每只手臂具备 7+1 个自由度，单臂有效负载 1.5 公斤。感知方面，配备激光雷达用于环境感知；此外搭载 4 个 720p RGB 摄像头，分别安装在夹爪、头部和颈部，最高支持 30fps。配有麦克风和扬声器用于语音指令，续航时间 6 至 8 小时。

软件方面，Nori 配套推出了 Nori Lab 笔记本应用，用于训练、操控和管理机器人。团队的设计目标是让用户能在家中完成技能训练，然后将习得的技能分享到更广泛的应用场景中。

Nori 的切入逻辑是降低开发者接触真实机器人硬件的门槛。此前开发者只能依赖仿真环境或租用机器人时间进行测试，而千美元级别的硬件价格可以让更多个人开发者和小型团队购入实体机器人用于研究和开发。

Hebbian Robotics：解决机器人数据管道的工程难题

同批次的 Hebbian Robotics 选择的切入点不是硬件，而是数据基础设施。其开源的 HFlow 是一套面向机器人和物理 AI 的可扩展多模态数据管道 SDK，目前处于 pre-v1 阶段，核心生命周期已可端到端运行。

HFlow 试图解决的问题是：机器人数据语料库往往由视频、状态、动作、时间戳和来自多个采集系统的元数据混合而成，随着语料库规模扩大，团队最先感受到瓶颈的是质量控制——摄像头是否冻帧、数据流是否同步漂移、关键话题是否缺失、是否有重复录制进入语料库，都需要专门工具来检测和管理。此外，碎片化的脚本让人很难知道哪个处理步骤跑过、结果是否可审计、数据集能否复现。

HFlow 将数据处理分为四个阶段：采集、摄取（变换+质量闸门+数据增强）、策展（基于 Episode 目录的 SQL 查询）、交付（生成用于训练的 MCAP 文件和清单）。数据格式使用 MCAP——这是 ROS 2 的原生录制格式，同时被 Foxglove 和 Rerun 直接支持。

用户自己编写的处理代码（变换、质量检查、标注、数据增强）以普通 Python 函数形式存在于用户自己的环境中，通过适配器接入 HFlow，而不需要为框架重写现有代码。处理后的数据会附带完整溯源信息，记录产出该数据的 schema、管道版本和工具版本。

目前可通过 uv add hflow 安装 SDK，附带 Docker Compose 运行时，也支持部署到现有 Airflow 3 环境中。