Berikut adalah silabus 10 sesi @1.5 jam untuk topik “Penerapan YOLO untuk Deteksi dan Prediksi Interaksi Objek dalam Simulasi Lingkungan Virtual 3D”. Silabus ini menggabungkan object detection (YOLO) , interaksi objek , dan virtual 3D environments (misalnya Unity, Unreal Engine, atau Godot).
Tujuan Umum:
Peserta mampu membangun sistem deteksi dan prediksi interaksi objek menggunakan YOLO dan mengintegrasikannya ke dalam simulasi lingkungan virtual 3D secara real-time.
Silabus Lengkap:
Sesi 1: Pengantar YOLO dan Simulasi Virtual 3D
-
Pengenalan konsep object detection
-
Evolusi YOLO (v1 – v8)
-
Dasar simulasi lingkungan 3D (Unity/Unreal/Godot)
-
Studi kasus: Deteksi objek dalam simulasi training VR
Sesi 2: Instalasi dan Setup Lingkungan Kerja
-
Instalasi YOLOv5 atau YOLOv8 dengan Python
-
Instalasi simulator 3D (Unity/Unreal Engine/Godot)
-
Integrasi Python Simulator (via socket, JSON, WebRTC, atau plugin)
-
Struktur folder dan manajemen data
Sesi 3: Dataset dan Pelabelan untuk Deteksi Interaksi
-
Perbedaan dataset deteksi dan interaksi
-
Pelabelan dengan Roboflow / LabelImg
-
Kategori objek dan interaksi (angkat, geser, dekat, hindari, dll.)
-
Augmentasi data 2D dan adaptasi untuk lingkungan 3D
Sesi 4: Training Model YOLO untuk Deteksi Objek
-
Arsitektur dan konfigurasi YOLO
-
Custom dataset training
-
Monitoring loss dan evaluasi mAP
-
Model validation dan interpretasi hasil deteksi
Sesi 5: Real-Time Inference dari Kamera atau Simulasi
-
Inference YOLO secara real-time menggunakan webcam
-
Menangkap video dari simulator 3D ke YOLO
-
Sinkronisasi frame dan performa deteksi



