Spot Detector (YOLOv8m)
Détecteur YOLOv8m du robot quadrupède Boston Dynamics Spot, entraîné
dans le cadre du projet FILDARIANE (CRIStAL/CNRS, stage Polytech Lille,
2026).
Vue d'ensemble
Ce modèle sert de brique de redondance dans un système de tracking
visuel principalement basé sur des marqueurs AprilTag. Lorsque les
tags sont occultés ou hors champ, ce détecteur prend le relais pour
maintenir la localisation du robot Spot.
Architecture
- Modèle : YOLOv8m (medium, ~25M paramètres, ~52 Mo)
- Classe détectée : Spot
- Image size : 640 × 640
Entraînement
- Epochs : 50
- Batch size : 16
- Optimizer : auto (SGD)
- Hardware : GPU NVIDIA, durée ~1 h
Dataset
Frames extraites des séquences vidéos du DARPA Subterranean Challenge
Final Event (Days 2, 3, 4) ainsi que de deux clips Boston Dynamics
(Spot Launch et Spot Warehouse), à 1 image par seconde.
Les annotations ont été générées automatiquement par Grounding DINO
en zero-shot detection avec le prompt textuel "quadruped robot",
puis validées manuellement (architecture Teacher–Student).
Utilisation
1from ultralytics import YOLO
2
3model = YOLO("best.pt")
4results = model.predict("path/to/image.jpg", conf=0.5)
5results[0].show()
Code source
Le pipeline complet (téléchargement vidéos, extraction frames,
annotation, entraînement) est disponible sur GitHub :
https://github.com/Ronanlg44/spot-AI-vision-detectionCitation
Le Guenne, R. (2026). Spot AI Vision Detection — Brique de
redondance YOLOv8m pour le projet FILDARIANE. Stage Polytech
Lille / CRIStAL CNRS.
