조리 로봇 안전 시뮬레이터의 직교 나디르(orthographic nadir, 천장 정수직) 카메라 프레임에서 사람·화재·연기·로봇·주전자·설비를 검출하는 YOLO11s 모델. whatslung/robot-kitchen-safety-sim의 검출 → 추적 → 궤적 → 예측 → 안전판정 → 로봇 기동 사슬에서 첫 단계를 담당한다.

EN summary — YOLO11s fine-tuned only on synthetic frames rendered by a Babylon.js cooking-robot safety simulator, viewed through an orthographic nadir (straight-down, zero-perspective) camera. Strong in-domain (person recall 0.871) but it does not transfer to real footage (person recall 0.048 on a real top-down test set). Intended for simulator-based research on trajectory prediction and speed-and-separation monitoring — not for deployment on real CCTV.

⚠️ 먼저 읽을 것 — 실사에는 쓸 수 없다

이 모델은 시뮬레이터 합성 프레임만으로 학습했다. 실사 top-down 영상에서는 사실상 작동하지 않는다.

평가 대상	person recall
시뮬 합성 val (같은 도메인)	0.871
실사 top-down test 137장 (Roboflow `overhead-person-szky0` v3)	0.048

실사가 필요하면 이 모델이 아니라 RF-DETR(DINOv2 자기지도 백본) 계열을 쓰거나, RF-DETR을 교사로 한 지식 증류 모델을 쓸 것. 같은 조건에서 RF-DETR의 sim→real recall은 0.411이었고, 증류로 YOLO 학생을 0.048 → 0.491까지 끌어올렸다. 측정 근거: docs/chanwoo/detection-eval.md §2, §5-6, §5-7.

클래스 (순서 고정 — 바꾸면 안 됨)

0 person 1 fire 2 smoke 3 robot 4 kettle 5 equipment

성능 (시뮬 합성 val 40장, in-domain)

클래스	P	R	mAP50	mAP50-95
person	0.872	0.871	0.874	0.512
fire	1.000	0.596	0.906	0.372
smoke	0.930	0.950	0.936	0.759
robot	0.849	1.000	0.995	0.735
kettle	0.984	1.000	0.995	0.885
equipment	0.827	0.842	0.878	0.665
전체	0.910	0.876	0.931	0.655

person은 이 프로젝트의 make-or-break 지표다. stock YOLO11s는 같은 프레임에서 precision 0.175 / recall 0.374에 그쳤고, 설비를 사람으로 자주 오탐했다.

속도 — params 9.4M, RTX 5070 6.3 ms, CPU 29 ms.

학습 조건

항목	값
베이스	`yolo11s.pt` (COCO 사전학습), ultralytics 8.4.121
데이터	시뮬 합성 200장 (train 160 / val 40), person 인스턴스 316개
카메라	단일 직교 나디르 (`CAM11 orthotop`) — 원근 0, 프레임 전역 107.9 px/m 균일
하이퍼파라미터	imgsz 640, epochs 100 (54ep 조기종료), patience 20, seed 42, batch auto
torch	2.11.0+cu128 (RTX 5070, sm_120)

중요한 전제: 직교 투영이라 사람 크기가 프레임 어디서나 같다. 일반 원근 CCTV처럼 가운데는 크고 구석은 작은 영상에는 이 가정이 깨진다.

파일

파일	크기	용도
`best.pt`	19 MB	ultralytics / PyTorch 추론
`best.onnx`	37 MB	ONNX Runtime (opset 12 — 브라우저 ort-web 호환)

사용법

python

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

path = hf_hub_download("chanubc/robot-kitchen-nadir-yolo11s", "best.pt")
model = YOLO(path)
r = model.predict("frame.png", conf=0.25)[0]
for b in r.boxes:
    print(r.names[int(b.cls)], float(b.conf))

프로젝트의 검출 서버는 가중치가 없으면 이 저장소에서 자동으로 내려받는다.

uv run python backend/detect_server.py --port 8001

conf 권고값은 0.25다. 라이브에서 관측된 사람 confidence가 0.25~0.70 범위였고, ByteTrack을 붙일 때는 track_activation_threshold도 함께 0.35 정도로 낮춰야 트랙이 생긴다 (라이브러리 기본값 0.7은 이 모델의 confidence보다 높아 트랙이 하나도 안 만들어진다).

라이선스

AGPL-3.0. 베이스인 Ultralytics YOLO11이 AGPL-3.0이고, Ultralytics는 자사 코드로 학습한 가중치도 그 범위로 본다. 학습·추론 코드는 위 GitHub 저장소에 공개돼 있다. 상용에서 소스 공개 의무를 피해야 한다면 Apache-2.0인 RF-DETR 쪽을 검토할 것.

학습 데이터는 전부 합성이며 실제 인물이 담긴 영상은 사용하지 않았다.