hflow

训练前自动体检机器人数据，坏帧丢帧一跑就现形

开源 🏷️定价信息待确认 ✅ 目前可打开 数据集 🍴 复刻 168 🐛 待处理 6 👀 关注 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 305
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

hflow 项目界面预览图
图片来源：项目官网

项目数据

分类数据集
开发团队Hebbian-Robotics
官网地址https://hebbianrobotics.com
GitHubhttps://github.com/Hebbian-Robotics/hflow
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型airflow,data-engineering,data-pipeline,data-quality,dataset-curation,duckdb,foxglove,lerobot,mcap,multimodal,parquet,physical-ai,python,rerun,robot-learning,robotics,robotics-data
GitHub 星标★ 305
上线时间2026-08-18 00:00:00
代码更新2026-11-02
仓库体积11.3 MB
本站数据更新2026-11-03
维护状态活跃
收录时间2026-09-19
浏览次数6

项目介绍

hflow 是面向机器人团队的 Python SDK，用于在训练 AI 模型前验证数据质量。机器人训练数据常来自多传感器采集（摄像头、激光雷达、IMU、关节状态等），格式多样且规模庞大，低质量样本会直接拖垮模型效果。hflow 把数据质量检查做成可编排的流水线：基于 Airflow 调度任务，用 DuckDB 直接查询 Parquet 等列式存储，支持 LeRobot、MCAP、Foxglove 等机器人数据格式，可对多模态数据做一致性、完整性、时序对齐等校验，并输出可视化报告。团队可以像写数据工程管道一样定义检查规则，在数据入库或训练前自动跑批，快速定位坏帧、丢帧、时间戳错乱等问题，减少人工抽检成本。项目处于早期，272 星，适合想搭建机器人数据质量体系的团队参考和二次开发。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-19 · 当前星标 ★ 305

核心亮点

  • 基于 DuckDB 直接查 Parquet，大数据集校验不用全量加载，速度快
  • 原生支持 LeRobot、MCAP、Foxglove 等机器人数据格式，贴合具身智能场景
  • 用 Airflow 编排检查流水线，可复用现有数据工程习惯做定时批处理

不足之处

  • 项目早期，API 和文档可能频繁变动
  • 生态和社区案例较少，生产落地需自行补不少适配

适用场景

  • 机器人团队在训练 VLA/模仿学习模型前批量筛查采集数据
  • 数据标注或入库环节自动跑质量门禁，拦截坏样本
  • 多传感器数据时间戳对齐与丢帧问题的排查

替代项目

Great Expectations、pandera

上一篇：flickr_scraper

下一篇：PEOD

同类项目推荐

PolData 开源

政治学数据一站查，省去到处找数据

A dataset with political datasets

★ 766 2026-11-02
LLM-Synthetic-Data 开源

一页看全 LLM 合成数据论文脉络

A live reading list for LLM data synthesis (Updated to July, 2025).

★ 494 2026-10-29
palestine-datasets 开源

调用伤亡数据 API，用姓名和数字还原真实故事

The human toll of Israel's ongoing genocide in names & numbers. Use the data from ou···

★ 410 2026-09-21