Skip to content

Commit

Permalink
dataset borracho
Browse files Browse the repository at this point in the history
  • Loading branch information
canveo committed Oct 28, 2024
1 parent f630be2 commit 8a74d4a
Show file tree
Hide file tree
Showing 3 changed files with 39 additions and 0 deletions.
39 changes: 39 additions & 0 deletions docs/_posts/2024-10-28-week27.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,39 @@
---
title: Week 27 - Nuevo Entrenamiento de Expertos en Conducción Autónoma en CARLA
categories:
- weekly Log
tags:
- CARLA Simulator
- ROS 2
- Road Detection
- pytorch
- expertos
---

Este experimento se realizó con un dataset completamente renovado, empleando una metodología diferente para su construcción.

La metodología consistió en programar una alternancia entre el piloto automático y un modo "piloto borracho" cada cinco segundos. Este modo simula un comportamiento errático, con el fin de enriquecer el dataset y generar situaciones en las que el vehículo pierde la trayectoria deseada. El objetivo es entrenar un modelo que sea capaz de retomar el control del vehículo cuando se desvíe, mejorando su capacidad de corrección y adaptación.

El dataset resultante consta de 50,000 imágenes que incluyen tanto la vista RGB como la imagen segmentada. De la imagen segmentada se extrajo la información correspondiente a la calzada, que luego fue incorporada como un cuarto canal adicional a la imagen RGB durante el entrenamiento. Además, el dataset incluye etiquetas correspondientes a la dirección del volante (steer), freno (brake) y aceleración (throttle).

Para entrenar los dos expertos, es decir, los modelos especializados en curvas y rectas, se utilizó una estrategia de balanceo y aumento de datos. El learning rate inicial fue de 0.01. El modelo entrenado, aunque sigue mostrando un comportamiento algo torpe, demostró una mejora significativa respecto al modelo anterior, especialmente en su capacidad de retomar la trayectoria luego de desviarse.

La próxima tarea será optimizar los hiperparámetros para lograr un mejor desempeño. El proceso de entrenamiento actual tomó más de 12 horas, lo cual limitó las oportunidades para ajustar los hiperparámetros de manera más eficaz. Mejorar la eficiencia del entrenamiento y ajustar adecuadamente los hiperparámetros es clave para el próximo paso de este proyecto.

*Entrenamiento experto en recta*

<figure class="half">
<img src="{{ site.url }}{{ site.baseurl }}/assets/images/week27/experto_recta.png" alt="" style="width:70%">
<figcaption>experto recta</figcaption>
</figure>

*Entrenamiento experto en curva*
<figure class="half">
<img src="{{ site.url }}{{ site.baseurl }}/assets/images/week27/experto_curva.png" alt="" style="width:70%">
<figcaption>experto curva</figcaption>
</figure>


*Video de prueba*

<iframe width="1280" height="720" src="https://www.youtube.com/embed/ZAXFdy5PSa0" title="Autonomous Driving Simulation with Curves and Straight Roads in Carla" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe>
Binary file added docs/assets/images/week27/experto_curva.png
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Binary file added docs/assets/images/week27/experto_recta.png
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.

0 comments on commit 8a74d4a

Please sign in to comment.