Week 48 – Balanceo Estadístico en Caliente e Inferencia en Lazo Cerrado (Town04)

Week 48 – Balanceo Estadístico en Caliente e Inferencia en Lazo Cerrado (Town04)

Trabajo realizado

• Preprocesamiento Geométrico y Balanceo Estadístico: Para mitigar el sesgo hacia la conducción en línea recta observado en las pruebas anteriores, se implementó un WeightedRandomSampler en PyTorch. Este algoritmo penaliza estadísticamente las muestras con ángulos de giro nulos y prioriza fuertemente las curvas cerradas durante la creación de batches. Además, se integró un recorte espacial dinámico que elimina el cielo (top 300px) de la cámara frontal central, enfocando a la red exclusivamente en el asfalto.
• Entrenamiento Optimizado de PilotNet: Se reentrenó la arquitectura convolucional utilizando el dataset maestro de 150k muestras bajo el nuevo esquema de balanceo en caliente. Esto resultó en un modelo mucho más reactivo, capaz de calcular recuperaciones bruscas sin sobreajustarse a un comportamiento “perezoso” en las rectas.
• Inferencia Continua en Circuito Cerrado (Town04): Se construyó y desplegó un entorno de pruebas en lazo cerrado (closed-loop) sobre el mapa Town04_Opt (circuito periférico). El modelo asumió el control lateral autónomo inyectando los tensores normalizados, mientras el vehículo mantenía una velocidad de crucero constante, validando la eficacia del seguimiento de carril en curvas sostenidas.
• HUD de Telemetría en Tiempo Real: Se integró un panel de control interactivo utilizando OpenCV que permite monitorear el vector de giro calculado por la red neuronal, superponiendo en pantalla la imagen preprocesada y comprimida (200x66) que el modelo evalúa en cada frame.

---

Visualizaciones

Prueba de inferencia autónoma en el circuito periférico Town04. La red neuronal PilotNet, entrenada con balanceo estadístico, ejecuta el seguimiento de carril. El dashboard interactivo muestra el preprocesamiento geométrico y las decisiones de giro en tiempo real. (Ver prueba de inferencia en YouTube).