Diseño de un vehículo inteligente mediante aprendizaje por observación.

Abstract

RESUMEN: En una sociedad en la que se exige cada vez tareas más complejas a los dispositivos electrónicos, llegando incluso a la conducción autónoma de vehículos, se necesitan nuevas formas de llevar estas tareas a cabo. Por ello, y con la intención de conseguir iguales o mejores resultados pero sin tanta preparación del posible entorno, este trabajo final de grado trata de comprobar si un vehículo autónomo puede aprender partiendo de acciones que ya ha realizado anteriormente. Con el aprendizaje por observación se ahorraría la ardua tarea de preveer todo tipo de entornos y situaciones, para pasar a recoger los datos provenientes de la conducción de un piloto experto. Entre estos datos pueden encontrarse, como es en este caso concreto, imágenes tomadas con una cámara y distancias captadas con algún tipo de sensor como puede ser el ultrasónico. Obteniendo los suficientes datos de entrada para alimentar una red neuronal creada con un programa de minería de datos como puede ser el Knime, se espera conseguir unos buenos resultados de predicción de movimiento del robot. En este documento se detalla desde la creación del robot en cuestión, construido utilizando una placa de bajo coste Raspberry Pi, hasta la explicación de las predicciones generadas mediante la red neuronal, e incluso algunos errores o problemas encontrados durante el proceso.

ABSTRACT: In a society where are demanded complex tasks by electronics devices, even to drive vehicles, new ways to perform these improvements are needed. For this reason, and with the intention to achieve equal or better results without much preparation of the possible environment, this final project is about to verify whether an autonomous vehicle can learn based on actions already undertaken previously. With learning from observation would save the arduous task of mapping all kind of environments and situations, to saving data by the conduction of an expert pilot. These data can be found, as in this particularly case, images taken with a camera and distances captured with some type of sensor as can be the ultrasonic. Getting enough input data to feed a neural network, created with a data mining program such as Knime, it is expected to achieve good results of robot motion prediction. In this document is detailed since the creation of the robot, made using a lowcost board Raspberry Pi, to the explanation of the predictions generated by the neural network, and even some errors or problems encountered along the way.