Soy ingeniero en robótica, apasionado por los vehículos autónomos y el desarrollo de tecnologías inteligentes que impacten positivamente el mundo real.
Week 48 – Balanceo Estadístico, Inferencia en Lazo Cerrado y Troubleshooting de Behavior Metrics
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.
Troubleshooting e Integración de Behavior Metrics: Se dedicó un esfuerzo técnico considerable a la integración de la suite de evaluación Behavior Metrics con el simulador CARLA. Se abordaron conflictos críticos a nivel del motor gráfico (mitigando fugas de VRAM y la generación de procesos “zombie” causados por banderas incompatibles de hardware de renderizado) y se depuraron discrepancias estrictas en el parseo jerárquico de los archivos de configuración YAML. A pesar de aislar y corregir los cuellos de botella de inicialización, aún no se ha logrado una ejecución completamente estable de la suite, lo cual queda como trabajo pendiente.
Diseño CAD y Fabricación Mecánica: En paralelo al trabajo algorítmico, se avanzó en el diseño asistido por computadora (CAD) de piezas mecánicas personalizadas para un Chevrolet HHR. Estos diseños están orientados a mantener la simplicidad mecánica y garantizar una extrema fiabilidad estructural para el vehículo.
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).
