-
Notifications
You must be signed in to change notification settings - Fork 0
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
- Loading branch information
Showing
1 changed file
with
39 additions
and
0 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Original file line number | Diff line number | Diff line change |
---|---|---|
@@ -0,0 +1,39 @@ | ||
--- | ||
title: Week 8 - Pruebas del Piloto Automático Seguidor de línea con robot Turtlebot2 | ||
categories: | ||
- weekly Log | ||
tags: | ||
- Turtlebot2 | ||
- ROS 2 | ||
- OpenCV | ||
- tensorFlow | ||
--- | ||
|
||
### Prueba piloto automático | ||
|
||
La prueba de piloto automático involucró el uso de 130,000 imágenes junto con etiquetas de velocidad angular y lineal (ω, v). | ||
|
||
El conjunto de datos se generó utilizando el robot Turtlebot 2 y una cámara USB. El piloto experto consistió en un controlador PID estándar que permitía al robot navegar sobre una línea en el suelo, corrigiendo continuamente las acciones de control, como la velocidad lineal y angular. Las imágenes, capturadas a una frecuencia de 10 Hz, fueron etiquetadas con los valores de velocidad angular y lineal. | ||
|
||
En esta prueba, se introdujo la velocidad lineal como una variable adicional. Esto se hizo para abordar problemas de robustez encontrados en la versión anterior del piloto entrenado, que parecía tener dificultades para responder adecuadamente a giros pronunciados. Como solución, se programó una velocidad lineal constante en el robot. | ||
|
||
|Dataset|Train|Validation|Total| | ||
|-------|-----|----------|-----| | ||
|Size|131.488|56.354|187.842| | ||
|
||
|
||
Se aplicó balanceo y aumento de datos para abordar los desafíos de generalización del modelo. Las épocas se determinaron automáticamente utilizando el método de detención temprana (EarlyStopping). Los datos se dividieron aleatoriamente en un 70% para entrenamiento y un 30% para validación. | ||
|Hyperparameter|Value| | ||
|--------------|-----| | ||
|Optimizer|Adam| | ||
|Learning rate|0.0001| | ||
|Batch size|32| | ||
|Epochs|101| | ||
|Loss function|Mean squared error| | ||
|Dropout|0.1| | ||
|
||
|
||
<iframe width="1280" height="720" src="https://www.youtube.com/embed/ziWYJLzn5QY" title="Prueba para el robot tutlebot con el piloto automático (follow line)" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe> | ||
|
||
*Prueba pilot con dos grados de libertad* | ||
|