1 minute read

Resultados del Entrenamiento PilotNet en CARLA

Se entrenó un modelo PilotNet usando datos recogidos manualmente en CARLA con un mando de PlayStation, lo cual permitió capturar datos más realistas y suaves, en contraste con el piloto automático.

Configuración del Experimento

Parámetro Valor
Dataset Size 85,942 imágenes (segmentadas)
Imagen Shape (66, 200, 3)
Batch Size 256
Learning Rate 0.000025
Epochs 100
Test Set (Town02) 7,822 ejemplos

Métricas en Test Set (Town02)

Variable MSE MAE
Steer 0.0191 0.0929
Throttle 0.1791 0.3973

Observaciones

  • Throttle: Predicciones más suaves que el comportamiento real, pero siguen la tendencia promedio.
  • Steer: Buena correlación con el real, aunque con ligeros desfasajes en picos.

Impacto en Conducción

  • Velocidad promedio aumentó de 30 km/h → 40 km/h
  • Velocidad máxima alcanzada: 50 km/h
  • Navegación más estable y fluida.

Durante la recolección manual, surgieron algunas limitaciones por la falta de pericia del piloto humano, como:

  • Zigzagueo en rectas.
  • Subirse al andén en curvas cerradas.
  • Salidas de carril en situaciones complicadas.

Estas imperfecciones se reflejaron parcialmente en el entrenamiento del modelo. El siguiente paso será construir un dataset más depurado y preciso, lo que podría incidir en una navegación aún más estable y en mayores velocidades promedio.

PilotNet Steer
Gráfico de Entrenamiento y Validación
PilotNet Steer
Predicción vs Real - Throttle, Steer (PilotNet)