Semana 16: Ampliación y balanceo de dataset y entrenamientos de PilotNet y MobileNet

Esta semana se ha ampliado el dataset de 17-18k muestras a 42k muestras de variedad (sin balancear). Se han sumado al dataset, creado las semanas anteriores, 23k muestras más y en en nuevos escenarios.

Posteriormente se ha balanceado el conjunto de datos de siguiendo el siguiente criterio: la parte central del (valores de steer rondando el 0) se han mantenido con mayor número de muestras al ser el caso más común en conducción, se ha aumentado el resto de los bins que eran menos comunes y los valores más extremos (que representan giros forzados o volantazos) se han aumentado también, pero en menor proporción que los demás casos. El aumento de datos se ha realizado repitiendo casos ya existentes en el dataset.

A diferencia de las anteriores semanas y por probar con alternativas al uso de steer_rate label de entrada a nuestro modelo, se ha vuelto probado con el valor de steer, cuyos valores obtenidos son a partir del mismo valor de steer_rate. Gracias al valor de steer_rate, como entrada de teclado, obtenemos valores de steer mucho más graduales que en semanas anteriores, lo cual nos proporciona gran variedad de etiquetas para entrenar un modelo.

A continuación se muestra el balanceo explicado anteriormente para ambas etiquetas: steer_rate y steer, respectivamente.

Finalmente, se han entrenado modelos con PilotNet y MobileNet.

-PilotNet: para el dataset con etiquetas de steer_rate no ha sido para nada exitoso, pues se desvía con rapidez y pasa a valores extremos. Por otra parte, con valores de steer en los labels sí muestra una buena conducción con giros coherentes y corrección en los giros. Todo esto teniendo en cuenta que se ha probado en varias simulaciones y distintos escenarios con un valor de throttle constante y con el manejo de los actuadores de throttle y brake.

-MobileNet: no ha dado tiempo a probar un modelo entrenado, por errores en la entrada del modelo para su predicción y falta de tiempo. Es decir, errores en para conectar el modelo a Brain.