Week 38 – Optimización de Dinámica Vehicular y Validación de Métricas de Comportamiento

Week 38 – Optimización de Dinámica Vehicular y Validación de Métricas de Comportamiento

Trabajo realizado

• Implementación de Dinámica de Dirección Compleja: Se integró un modelo físico adaptado al Tesla Model 3. Este sistema calcula una sensibilidad dinámica del volante basada en la masa ($1611 kg$), la distancia entre ejes y la rigidez lateral de los neumáticos, permitiendo que el control sea más estable a altas velocidades y más firme en maniobras lentas.
• Filtrado y Suavizado de Inferencia: Se implementó un filtro de Media Móvil (Moving Average) con una ventana de 5 frames junto con un Boost No Lineal de potencia. Esta combinación mitiga el ruido de la red neuronal (nerviosismo) y permite que el vehículo realice giros más pronunciados y naturales al detectar curvas en Town04.
• Integración de Behavior Metrics API: Platique con Carlos, y ahora esta integrada la funcionalidad de la API de Behavior Metrics. Actualmente, se están realizando pruebas preliminares para medir el error de desviación de carril y la suavidad de la dirección de forma cuantitativa.
• Ajuste de Parámetros Específicos: Se recalibraron las constantes físicas dentro del script de inferencia para ajustarse a las especificaciones del Tesla de CARLA, optimizando la respuesta del actuador de dire cción frente a las predicciones del modelo PilotNet.

---

Visualizaciones

Componente	Configuración / Valor
Modelo Dinámico	Bicycle Model (Tesla Model 3)
Filtro de Suavizado	Moving Average (Window: 5)
Algoritmo de Boost	Power Scaling (0.8)
API de Métricas	Behavior Metrics (Testing Phase)

---

Resultados de Inferencia

Sesión de prueba en Town04: Se observa una trayectoria significativamente más fluida y un mejor ataque a las curvas en comparación con la semana anterior.