/ Модель

Характеристики

Лицензия
AGPL 3.0
Библиотека
ultralytics
Опубликована
14 июл 2026

ramen-g1-ikea-assembly-yolo-obb

Поиск объектовИзображение → bounding_boxes

Детектор YOLO11m-OBB для локализации деталей стола и рабочей зоны по изображениям камеры робота Unitree G1 при сборке.

82скачиваний за 30 дней0лайковвеса обновлены9 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RAMEN YOLO-OBB — детектор ориентированных ограничивающих рамок, разработанный командой Team RAMEN для соревнования IROS 2026 Humanoid IKEA Assembly Challenge. Модель построена на Ultralytics YOLO11m-OBB и дообучена на предобученных весах yolo11m-obb.pt; размер входного изображения при обучении и инференсе — 800 пикселей. Она предназначена для камеры на голове робота Unitree G1 и обнаруживает рабочую область, ножки детского стола и их концы, отверстия, столешницу и кисти рук.

Модель используется для наложения детекций на изображения, подаваемые политикам RAMEN-Ori, а также для передачи положения деталей планировщику верхнего уровня. Обучение проводилось на 5 190 изображениях, включая кадры из лаборатории, изображения из другой среды и синтетические варианты сцен. Для предсказаний используется библиотека Ultralytics; лицензия весов — AGPL-3.0.

Заявленные метрики на 10 валидационных кадрах из лабораторной сцены: mAP50-95 0,7986 и mAP50 0,9746. Такая небольшая выборка из среды, близкой к большей части обучающих данных, не позволяет судить о качестве в новых сценах. В карточке также указано, что замена этих весов в связке с RAMEN-Ori может изменить входные данные, на которых обучались политики. Часть синтетических изображений с фонами Places365 не распространяется вместе с датасетом; для них указаны ограничения некоммерческого исследовательского и образовательного использования.

Сценарии применения

  • обнаружение деталей детского стола по изображению с камеры робота
  • локализация ножек стола и их концов для сборки
  • поиск отверстий и столешницы перед установкой деталей
  • определение рабочей зоны и положения рук робота
  • передача координат деталей планировщику сборки

Ограничения

Оценка основана всего на 10 валидационных кадрах из лабораторной среды, поэтому качество в новых сценах не подтверждено и возможны пропуски. Замена детектора в системе RAMEN-Ori меняет обученные для политик входные изображения; часть синтетических данных с фонами Places365 доступна только на условиях некоммерческого исследовательского и образовательного использования.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RAMEN YOLO-OBB detector

An oriented-bounding-box (OBB) detector for the head camera of a Unitree G1, built by Team RAMEN for the IROS 2026 Humanoid IKEA Assembly Challenge (assembling a children's table). It finds the work area, the table legs and their tips, the holes, the table top and both hands.

Our inference code uses it in two places:

  • RAMEN-Ori overlay: the detections are drawn onto the head image that the RAMEN-Ori policies take as input. All RAMEN-Ori models were trained with this exact file (commit 8221d0a).
  • Upper-level planner: the detections tell the planner where the parts are.

Code: ramen-g1-ikea-assembly (training in model/yolo_obb/, data tools in data/yolo_obb/, inference in inference/desktop/perception/).

Model

  • Ultralytics YOLO11m-OBB, fine-tuned from Ultralytics' pretrained yolo11m-obb.pt. Input size 800.
  • Classes:
idclass
0workspace
1leg
2leg_tip
3hole
4table_top
5hand_right
6hand_left

Training

  • Data (5,190 training images, 640 x 480):
    • 956 head-camera frames from BitRobot/G1_WBT_Dex1_Building-Children-Table, annotated by us (10 more frames are the validation set).
    • 724 frames from a head-camera (left eye) video of a different environment, labelled in two rounds: 101 frames whose predicted boxes we all corrected, then 623 more (195 corrected by us, 428 left as the pseudo-labels of a detector trained after the first round).
    • 3,510 synthetic images made from the BitRobot frames, 1,170 of each kind: v5_material_random (the colour and shine of the work mat changed), v4_flat and v8_zoomout_random (the scene pasted onto Places365 backgrounds).
    • The real frames, the head_left frames, the v5_material_random images and all their labels are in Team-RAMEN/ramen-g1-ikea-assembly-yolo-obb. The Places365 images are not redistributed; the scripts in data/yolo_obb/augmentation/scripts/ rebuild them from Places365.
  • Recipe: up to 100 epochs with early stopping (patience 20; stopped at epoch 45, best at 25), batch 4, image size 800, seed 42. Augmentation: mosaic 0.5, HSV value 0.7, rotation 10°, translation 0.2, scale 0.6, perspective 0.001, no horizontal flip (the left and right hands are different classes), no random erasing.
  • Config: model/yolo_obb/configs/m_lowaug_v11b.yaml with data/yolo_obb/configs/dataset_v11b.yaml.

Files

runs/m_lowaug_v11b/weights/best_20260818.pt (42 MB) at commit 8221d0aef45d63666537c1f030810fb9b56dd1ed. This repository was renamed from Team-RAMEN/IROS2026_RAMEN_Hara_yoloobb_upperpolicy; the RAMEN-Ori checkpoints still record that name together with this commit.

Evaluation

On the 10 validation frames (lab scene): mAP50-95 0.7986, mAP50 0.9746. The validation set is very small and comes from the same lab as most of the training data, so these numbers say little about other scenes.

Usage

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

path = hf_hub_download(
    "Team-RAMEN/ramen-g1-ikea-assembly-yolo-obb",
    "runs/m_lowaug_v11b/weights/best_20260818.pt",
    revision="8221d0aef45d63666537c1f030810fb9b56dd1ed",
)
results = YOLO(path).predict("head_left.png", imgsz=800, conf=0.25)

In our inference config this is yolo.ckpt_ref / yolo.ckpt_file in inference/desktop/lower_policy/configs/policy_config.yaml. The RAMEN-Ori overlay draws the boxes with confidence ≥ 0.30 and line width 2.

Limitations

  • Scenes: trained on one lab setting plus one other environment. Expect misses in new scenes.
  • Do not swap the weights under a RAMEN-Ori model. The policies were trained on overlays drawn by this file; a different detector changes their input.

License

This model is released under the GNU Affero General Public License v3.0, because it was fine-tuned with Ultralytics from Ultralytics' pretrained weights, which are AGPL-3.0 (an enterprise license is available from Ultralytics; see Ultralytics licensing).

Training data

  • The BitRobot frames are adapted from BitRobot/G1_WBT_Dex1_Building-Children-Table by BitRobot, licensed under CC BY 4.0. We extracted frames, annotated them and (for the synthetic images) changed the background or the work mat.
  • 2,340 of the training images use Places365 backgrounds. Places365 is provided for non-commercial research and educational purposes; see its terms.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · ultralytics

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Ревизия весов
9b36ca2

0 моделей