Un Estudio Integral sobre la Implementación de Aprendizaje Profundo en Vehículos Autónomos para la Predicción del Ángulo de Dirección y Estabilidad

El desarrollo de vehículos autónomos ha mejorado recientemente la industria del transporte y ha abierto una variedad de oportunidades y problemas que pueden ser resueltos con la ayuda de métodos y tecnologías actuales. En este estudio, se utilizaron tres algoritmos diferentes para predecir el ángulo de dirección con una imagen de pista: Red Neuronal Artificial (ANN), Red Neuronal Convolucional (CNN) y una combinación de CNN y Memoria a Largo y Corto Plazo (CNN-LSTM). Se empleó un controlador PID para la comparación, que toma el Error Transversal (CTE) proporcionado por la simulación para dirigir el vehículo. Para lograr un rendimiento mejorado, se alteró ligeramente el modelo estándar de conducción autónoma de NVIDIA CNN alimentándolo con fotogramas secuenciales. El análisis comparativo se llevó a cabo utilizando el Simulador Donkey de OpenAI Gym.