Datasets:

mvdelibas
/

robot-v2-obb

text string
2 0.76719 0.91985 0.69733 0.85000 0.75859 0.78874 0.82845 0.85859
4 0.34237 0.58255 0.30151 0.51718 0.52306 0.37871 0.56392 0.44408
2 0.33545 0.49785 0.27227 0.39406 0.38122 0.32774 0.44440 0.43153
4 0.43446 0.61896 0.40261 0.60223 0.57541 0.27325 0.60726 0.28998
4 0.32628 0.82727 0.25208 0.38206 0.29847 0.37433 0.37267 0.81954
2 0.45216 0.20739 0.41667 0.10091 0.51424 0.06839 0.54974 0.17487
4 0.52478 0.38137 0.34004 0.23022 0.37743 0.18451 0.56218 0.33566
6 0.17531 0.56500 0.07238 0.42775 0.17987 0.34712 0.28281 0.48438
12 0.37573 0.47884 0.34723 0.44595 0.36947 0.42668 0.39797 0.45956
12 0.80537 0.26633 0.71635 0.14021 0.74352 0.12104 0.83254 0.24715
7 0.69522 0.88248 0.44655 0.86465 0.47566 0.45879 0.72433 0.47662
8 0.73359 0.52532 0.54968 0.34141 0.73750 0.15358 0.92142 0.33750
7 0.30000 1.00000 0.00000 1.00000 0.00000 0.63281 0.30000 0.63281
7 0.33679 0.91896 0.16039 0.56312 0.50137 0.39409 0.67777 0.74993
9 0.86168 0.17862 0.51973 0.07603 0.54934 0.00000 0.89129 0.07993
11 0.45767 0.34473 0.38790 0.09357 0.43123 0.08153 0.50100 0.33270
15 0.56537 0.38701 0.33953 0.26288 0.41330 0.12866 0.63914 0.25279
14 0.76094 0.25781 0.42969 0.25781 0.42969 0.00000 0.76094 0.00000
14 1.00000 1.00000 0.86563 1.00000 0.86563 0.76719 1.00000 0.76719
13 0.35044 0.78620 0.18319 0.57913 0.39019 0.41194 0.55743 0.61901
15 0.62853 0.49032 0.32204 0.39545 0.39079 0.17332 0.69729 0.26819
13 0.41094 0.22656 0.11406 0.22656 0.11406 0.00000 0.41094 0.00000
13 0.08750 0.17500 0.00000 0.17500 0.00000 0.02812 0.08750 0.02812
4 0.70463 0.59492 0.65520 0.58669 0.70787 0.27070 0.75730 0.27894
4 0.65783 0.52718 0.34891 0.50511 0.35158 0.46769 0.66050 0.48975
1 0.35217 0.46113 0.21112 0.44232 0.21896 0.38356 0.36000 0.40237
2 0.22031 0.54844 0.12031 0.54844 0.12031 0.45312 0.22031 0.45312
1 0.47807 0.46100 0.36856 0.43753 0.38494 0.36110 0.49445 0.38456
7 0.24375 0.63906 0.00781 0.63906 0.00781 0.40312 0.24375 0.40312
8 0.43281 0.64219 0.24531 0.64219 0.24531 0.45937 0.43281 0.45937
7 0.80727 0.69249 0.61711 0.57115 0.66029 0.50348 0.85045 0.62482
10 0.68316 0.47062 0.52249 0.29607 0.56622 0.25583 0.72688 0.43038
11 0.16234 0.95356 0.13471 0.92421 0.35225 0.71946 0.37988 0.74882
6 0.91044 0.76974 0.85089 0.59107 0.96628 0.55261 1.00000 0.73128
9 0.87603 0.60043 0.67484 0.52726 0.70165 0.45353 0.90284 0.52669
7 0.24397 0.44200 0.03165 0.43198 0.03919 0.27212 0.25151 0.28214
7 0.56755 0.94873 0.46506 0.64811 0.75932 0.54779 0.86181 0.84842
10 0.57631 0.83634 0.56668 0.52434 0.64053 0.52207 0.65016 0.83406
13 1.00000 0.96250 0.89844 0.96250 0.89844 0.75625 1.00000 0.75625
15 0.75122 0.76159 0.47702 0.61535 0.54039 0.49654 0.81458 0.64278
14 0.85849 0.16465 0.65683 0.10583 0.70478 0.00000 0.90644 0.00025
15 0.69175 0.70150 0.50875 0.45750 0.61775 0.37575 0.80075 0.61975
15 0.80549 0.68100 0.58033 0.37559 0.82166 0.19767 1.00000 0.50309
13 0.48002 0.50728 0.41166 0.39334 0.53042 0.32209 0.59877 0.43602
14 0.22921 0.49940 0.05975 0.31997 0.36104 0.03542 0.53050 0.21484
14 1.00000 0.43906 0.94844 0.43906 0.94844 0.26719 1.00000 0.26719
13 0.25188 0.65028 0.10014 0.46061 0.35574 0.25612 0.50748 0.44580
4 0.66388 0.36756 0.62763 0.36152 0.65533 0.19528 0.69159 0.20132
4 0.69375 0.39062 0.66719 0.39062 0.66719 0.23750 0.69375 0.23750
3 0.64088 0.29507 0.54072 0.27926 0.55483 0.18994 0.65498 0.20575
5 0.58119 0.70531 0.55397 0.59644 0.63747 0.57557 0.66469 0.68444
5 0.36418 0.50589 0.32723 0.43199 0.41426 0.38848 0.45120 0.46238
2 0.50650 0.45458 0.45204 0.44096 0.46565 0.38651 0.52011 0.40012
9 0.00065 0.36907 0.00000 0.33800 0.04260 0.28552 0.06713 0.31658
8 0.55313 0.57812 0.38281 0.57812 0.38281 0.46719 0.55313 0.46719
12 0.01962 0.57274 0.01657 0.54529 0.36934 0.50609 0.37239 0.53354
7 0.32056 0.53401 0.28061 0.42285 0.49538 0.34567 0.53533 0.45682
10 0.32971 0.41802 0.30292 0.40909 0.30669 0.39776 0.33349 0.40669
6 0.93468 0.74804 0.68783 0.72525 0.70653 0.52267 0.95338 0.54545
8 0.54159 0.74605 0.22125 0.72141 0.23438 0.55066 0.55473 0.57530
6 0.19993 0.45666 0.18147 0.34592 0.28994 0.32784 0.30839 0.43859
13 0.35391 0.73125 0.22369 0.62107 0.42680 0.38103 0.55702 0.49121
14 0.09821 0.63013 0.00000 0.52414 0.00117 0.30768 0.20874 0.41367
13 0.27717 0.39960 0.15450 0.25240 0.27142 0.15496 0.39409 0.30216
13 0.64062 0.12812 0.38125 0.12812 0.38125 0.00000 0.64062 0.00000
15 0.37725 0.76351 0.13683 0.59178 0.37074 0.26430 0.61116 0.43603
5 0.31626 0.86214 0.22174 0.77757 0.32466 0.66254 0.41918 0.74711
5 0.51238 0.72468 0.46143 0.61690 0.60678 0.54819 0.65774 0.65597
1 0.27845 0.55307 0.18479 0.41258 0.28958 0.34273 0.38323 0.48321
4 0.37338 0.40213 0.32747 0.37458 0.45787 0.15725 0.50378 0.18480
4 0.11532 0.59611 0.11257 0.55155 0.50548 0.52729 0.50823 0.57186
1 0.14525 0.80152 0.01286 0.72121 0.11591 0.55131 0.24831 0.63162
6 0.63965 0.60042 0.45647 0.53691 0.51671 0.36314 0.69989 0.42665
11 0.22337 0.77115 0.00000 0.69368 0.00086 0.62137 0.24621 0.69885
7 0.34476 0.49058 0.07541 0.46904 0.08916 0.29713 0.35851 0.31868
11 0.35207 0.62964 0.27630 0.59176 0.28856 0.56723 0.36433 0.60512
9 0.63533 0.27037 0.48819 0.25504 0.49571 0.18287 0.64285 0.19819
9 0.50154 0.61200 0.33461 0.59865 0.38201 0.00612 0.54894 0.01948
6 0.80425 0.69537 0.64025 0.57237 0.80019 0.35913 0.96419 0.48212
7 0.77969 1.00000 0.19531 1.00000 0.19531 0.58125 0.77969 0.58125
9 0.24432 0.68547 0.00000 0.56795 0.00512 0.38880 0.31275 0.50633
13 0.47041 0.67679 0.37944 0.54944 0.49334 0.46808 0.58430 0.59543
13 0.62616 0.89504 0.49485 0.74497 0.65322 0.60640 0.78453 0.75647
15 0.51731 0.68975 0.38756 0.51675 0.53656 0.40500 0.66631 0.57800
13 0.42012 0.36620 0.31411 0.15418 0.47051 0.07598 0.57652 0.28801
3 0.69531 0.53125 0.55937 0.53125 0.55937 0.43906 0.69531 0.43906
1 0.89196 0.65825 0.80810 0.64148 0.83454 0.50924 0.91841 0.52601
2 0.75000 0.58125 0.66406 0.58125 0.66406 0.49687 0.75000 0.49687
2 0.16274 0.66871 0.13791 0.60665 0.20375 0.58032 0.22857 0.64238
2 0.30544 0.57661 0.28151 0.50482 0.35424 0.48057 0.37818 0.55237
2 0.40106 0.40777 0.36411 0.33387 0.43613 0.29786 0.47308 0.37176
7 0.58125 0.67656 0.35469 0.67656 0.35469 0.48125 0.58125 0.48125
9 0.28844 0.68196 0.12713 0.44620 0.22381 0.38005 0.38512 0.61581
11 0.36654 0.62613 0.27766 0.46929 0.29672 0.45849 0.38560 0.61533
15 0.54355 0.67231 0.38417 0.44918 0.56177 0.32233 0.72115 0.54545
13 0.65312 1.00000 0.40312 1.00000 0.40312 0.91406 0.65312 0.91406
14 0.23374 0.40573 0.12316 0.26750 0.23204 0.18040 0.34262 0.31862
14 0.08594 0.20781 0.00000 0.20781 0.00000 0.07031 0.08594 0.07031
14 0.18394 0.25785 0.14944 0.12846 0.37647 0.06791 0.41098 0.19731
14 0.42157 0.41024 0.31355 0.23821 0.46465 0.14333 0.57267 0.31536

End of preview. Expand in Data Studio

Robot v2 - Yönlü kutu (OBB) (simülasyon)

Fizik simülasyonunda üretilmiş 20,000 sahne, 23 sınıf, 134,439 nesne örneği. Etiketler elle değil, simülatörün segmentasyon maskesinden otomatik çıkar. Yalnızca simülasyon verisidir; gerçek kamera veya robotla sınanmamıştır.

Yöntem

Üretici: uret_v2.py (pybullet, TinyRenderer, 640x640). Her görüntü tek bir tohumdan üretilir; bölümler ayrık tohum aralıklarındadır (sahne indeksi = tohum: train 0-4799 ve 6000-17199, val 4800-5399 ve 17200-18599, test 5400-5999 ve 18600-19999; ortak tohum: 0).
Nesneler rastgele yükseklikten düşürülüp 320 fizik adımı yerleşir; 1-3 kümede toplanır, bu yüzden yığılma ve örtülme oluşur. Etiket için bir nesnenin en az 100 piksellik en büyük bağlı bileşeni gerekir.
Sahne aileleri ({'masa': 5500, 'mutfak': 5500, 'depo': 5500, 'dis': 3500} görüntü; ilk 6.000 sahne masa/mutfak/depo eşit, sonraki 14.000 sahne dört aile eşit): masa (v1'in 6 ilkel şekli: kutu, silindir, top, disk, cubuk, prizma), mutfak (tezgâh: fincan, tabak, kase, sise, kasik, catal, bicak; dönel/ekstrüze prosedürel mesh), depo (zemin, palet/koli yığınları: koli, kasa, palet; prosedürel mesh), dis (açık hava iş sahası: asfalt/çim/kaldırım/toprak zemin; huni, kova, cop_kovasi, sandik, saksi, merdiven, hortum ve palet; prosedürel mesh).
Kamera: üstten (%30), eğik (%25), bilek kamerası (%45; yakın mesafe, geniş görüş açısı, rastgele eğim; bu görüntülerin %60'ında tutucu parmakları görüntüde ve nesneleri örter). Gerçekleşen dağılım: {'bilek': 8826, 'ust': 6128, 'egik': 5046}.
Ayrıca bazı sahneler çok karanlık veya aşırı parlaktır (düşük ışık ve rastgele ışık); bu bilinçli çeşitlilik, ancak model için zor örnek üretir.
Işık: rastgele yön, renk sıcaklığı (nötr/sıcak/soğuk), ortam/yayılım katsayısı, gölge; ayrıca parlaklık, gürültü, bulanıklık, vinyet, düşük ışık (%15).
Yüzeyler ve arka duvar: ambientCG CC0 dokuları (aşağıda), masa ailesinde ayrıca prosedürel gürültü dokusu.
Görev etiketi: YOLO-OBB: sınıf x1 y1 x2 y2 x3 y3 x4 y4 (normalize; maskenin en küçük alanlı dönük dikdörtgeni, OpenCV minAreaRect, 1 piksel genişletilmiş; görüntü dışına taşan köşeler 0-1'e kırpılır). Kavrama açısı için.
Bölümler: train 16000 / val 2000 / test 2000 görüntü; nesne: 107461 / 13530 / 13448.

Sınıflar ve örnek sayıları

sınıf	örnek
koli	15065
cubuk	8241
fincan	8066
kutu	8047
disk	7877
prizma	7856
palet	7783
kasa	7427
silindir	6829
kase	6364
tabak	6322
kasik	6248
sise	5936
top	5648
bicak	4241
catal	4204
sandik	3296
huni	3071
kova	3063
saksi	2445
cop_kovasi	2374
hortum	2356
merdiven	1680

CC0 varlıklar (varlik/manifest.json)

Yalnızca aşağıdaki dokular indirildi (toplam ~78 MB, 1K JPG renk haritası). Lisans metni docs.ambientcg.com/license adresinde ve her varlık sayfasında (2026-11-08) doğrulandı: "CC0 1.0 Universal". Üçüncü taraf 3B model yoktur; tüm nesneler prosedüreldir.

Wood049 (tezgah-ahsap) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Wood049_1K-JPG.zip; 6.8 MB
Concrete034 (beton-depo-zemin) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Concrete034_1K-JPG.zip; 3.7 MB
Marble006 (tezgah-mermer) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Marble006_1K-JPG.zip; 4.7 MB
Cardboard004 (karton-koli) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Cardboard004_1K-JPG.zip; 6.0 MB
Tiles074 (tezgah-fayans) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Tiles074_1K-JPG.zip; 3.7 MB
Metal032 (metal-raf) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Metal032_1K-JPG.zip; 3.7 MB
Asphalt026A (dis-asfalt) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Asphalt026A_1K-JPG.zip; 9.2 MB
Grass004 (dis-cim) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Grass004_1K-JPG.zip; 11.0 MB
PavingStones070 (dis-kaldirim) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=PavingStones070_1K-JPG.zip; 9.0 MB
Ground037 (dis-toprak) - lisans: CC0 1.0 Universal (https://docs.ambientcg.com/license/); indirme: https://ambientcg.com/get?file=Ground037_1K-JPG.zip; 10.6 MB

Eğitim / ölçüm

İlk 6.000 sahnelik sürümle a hosted platform'de yolo11s-obb, 640 px, 40 epoch eğitildi: doğrulama bölümünde mAP50 %96,5, mAP50-95 %88,5; en zayıf sınıflar çatal (%84), bıçak (%87), palet (%93). Gerçek maliyet 2,72 CR. Not: ölçümler sentetik doğrulama bölümündedir. 20.000 sahnelik sürümle (23 sınıf) yeniden eğitildi: doğrulama bölümünde mAP50 %97,2, mAP50-95 %90,6; en zayıf sınıflar çatal (%86), bıçak (%92), kaşık (%93); gerçek maliyet 7,50 CR. Doğrulama bölümü sentetiktir ve test bölümünde ayrıca ölçülmemiştir.

Sınırlar

Yalnızca simülasyon; gerçek kamera, gerçek ışık, lens bozulması, yansıma ve robot üzerinde sınanmadı. Sentetik skorlar gerçek dünyaya aktarılamayabilir.
Nesneler geometrik/prosedürel; gerçek fincan, tabak ve koli çeşitliliğini temsil etmez. Kasa ve palet çarpışma gövdesi dolu (dışbükey zarf) olduğundan nesneler içine girmez, üzerine oturur.
Işık, gölge ve doku TinyRenderer kalitesindedir (gerçek zamanlı olmayan fotogerçekçilik yok); bazı sahneler aşırı parlak veya karanlık olabilir.
Yalnızca bir kamera iç parametre kümesi aralığı; derinlik bilgisi bu sette yok.
Bölüt/OBB etiketleri parçalanmış maskede yalnızca en büyük parçayı kapsar; örtülen nesnelerin görünmeyen kısmı etiketlenmez.

Hugging Face dizin düzeni

Hugging Face dizin başına 10.000 dosya sınırı koyduğu için eğitim bölümü iki dizine bölünmüştür: images/train + images/train2 (etiketler labels/train + labels/train2). data.yaml içinde train: [images/train, images/train2] yazılıdır; Ultralytics etiket dizinini görüntü yolundan türetir, ek ayar gerekmez.

Yeniden üretim

uret_v2.py -> paketle_v2.py (etiket yazımı + denetim). Denetim sonucu (sorunlu etiket: 0, ortak tohum: 0) denetim_v2.json içindedir.

Sim-to-real (gerçek fotoğraf ölçümü)

Bu model yalnızca simülasyonda eğitildi; 2026-11-09'da 421 gerçek Wikimedia fotoğrafında (606 nesne, 17 gerçek-dünya sınıfı) ölçüldü (Robot v2 Gerçek Fotoğraf Test Seti, yalnız test).

Ölçüt	Sentetik val	Gerçek test 640	Gerçek test 960
obb mAP50	97.2	2.4	2.2
obb mAP50-95	90.6	1.8	1.6

Sonuç: aktarım çökmüş durumda (mAP50 ~%97 -> ~%2). Model nesneleri çoğu zaman buluyor ama sınıfı yanlış koyuyor (çöp kovası -> merdiven/sandık, kova -> merdiven/sandık) ve görüntü başına ~15 yanlış alarm üretiyor. Yalnız simülasyonla eğitilmiş bu sürüm gerçek kamera için doğrudan kullanılmamalıdır.

Dürüst sınırlar:

Gerçek test etiketleri makine üretimidir (görsel dil modeli + otomatik doğrulama), yalnız 36 görüntülük örnek gözle denetlendi; etiket gürültüsü ~%10-15. Bu, farkı açıklamaz ama birkaç puan oynatabilir.
Küçük sınıflar güvenilmez: hortum (5), huni (9), merdiven (13), palet (14), kasa (16), saksı (19) nesne. Çöp kovası 176 nesneyle baskın.
Maskeler kaba (GrabCut/kutu); kutu metrikleri daha sağlamdır.
Sınıf kimlikleri gerçek sette modelden farklı numaralı; ölçümde model sınıf adlarına göre yeniden eşlendi.
Sınıf bazında tablo ve örnek tahminler: Robot v2 Gerçek Fotoğraf Test Seti kartı ve sonuc.md.

English: on 421 real photos the sim-only model scores about 2% mAP50 versus ~97% on synthetic validation (labels are model-made and ~10-15% noisy; several classes have fewer than 20 instances). Treat this as a measured domain gap, not a usable real-world detector.

English summary

Synthetic robotics dataset (oriented bounding boxes (min-area rectangle of the mask, for grasp angle)), 20,000 images, 23 classes, rendered with pybullet in three scene families (tabletop primitives, kitchen counter, warehouse pallets/cartons/totes) with overhead, oblique and wrist-camera views, clutter, occlusion and varied lighting. Labels come automatically from the simulator segmentation mask. Textures: a small set of CC0 ambientCG textures (manifest included, licence verified on the source site); all object meshes are procedural. Simulation only: not tested on a real camera or robot. Trained and checked on a hosted training platform (see Turkish section for metrics). Private until the owner publishes it.