Navegación autónoma de un vehículo a escala por medio de redes neuronales profundas

Abstract

RESUMEN: En esta tesis se describe una metodología basada redes neuronales convolucionales para el control de dirección de un vehículo a escala 1:10 en ambientes reales y virtuales. Este documento se divide principalmente en tres secciones donde se describen, paso por paso, la manera para la obtención y selección de datos de entrenamiento.

Como parte del trabajo se desarrolló un simulador que modela una aproximación de la realidad a un ambiente virtual. Con esto se logró transferir el modelo obtenido mediante el simulador a una plataforma robótica tipo automóvil, con condiciones de iluminación dinámica aprendidas con datos sintéticos. Se comprueba que es posible entrenar redes neuronales dentro de un entorno de realidad virtual y ser capaces de resolver tareas sobre un entorno real, siempre y cuando se asemejen lo suficiente las características de los entornos en cuestión. ABSTRACT: This thesis describes a methodology based in convolutional neural networks to control the steering of a 1:10 scale vehicle over real and virtual environments. This document is divided mainly in three sections where it is described, step by step, the way to obtain and select the training data.

As part of the work a simulator was developed that models an approximation of reality to a virtual environment. Whit this, was achieved transfer the model obtained by the simulator to a robotic platform automobile type, whit dynamic light conditions learned whit synthetic data. It is verified that it is possible to train neural networks inside virtual reality environments and be capable to solve tasks in a real environment, as long as they resemble enough the characteristics to each other.