DESARROLLO DE UN SISTEMA DE CONDUCCIÓN AUTÓNOMA DE COMPETICIÓN MEDIANTE APRENDIZAJE POR IMITACIÓN EN CARLA

Abstract

La conducción autónoma se ha consolidado en los últimos años como una de las áreas más relevantes dentro de la robótica y la inteligencia artificial. El notable avance en redes neuronales profundas, el incremento en la capacidad de cómputo y la disponibilidad de grandes volúmenes de datos han impulsado su desarrollo tanto en entornos urbanos como en escenarios de alto rendimiento. En particular, los estudios en modalidad racing han cobrado especial interés, ya que constituyen un banco de pruebas exigente donde se ponen a prueba la percepción, la toma de decisiones y el control en condiciones dinámicas y de alta velocidad.

Dentro de este contexto, han emergido estrategias basadas en inteligencia artificial como el Imitation Learning, que permite entrenar modelos capaces de replicar el comportamiento de un piloto experto a partir de demostraciones reales. Sin embargo, para que este tipo de enfoques puedan ser utilizados de forma efectiva en docencia e investigación, resulta necesario disponer de plataformas que faciliten la experimentación de manera accesible. En este sentido, el desarrollo de un entorno de simulación realista permite a estudiantes e investigadores validar algoritmos de forma segura y reproducible, reduciendo costes y riesgos, y facilitando posteriormente su transferencia a sistemas físicos reales.

En este Trabajo de Fin de Grado (TFG) se desarrolla un agente de conducción autónoma en modalidad racing basado en aprendizaje por imitación , utilizando el simulador CARLA como entorno de experimentación con el objetivo de alcanzar el mayor grado de realismo posible en términos visuales y dinámicos. El proyecto abarca todo el proceso: desde el modelado y simulación del vehículo inspirado en el AWS DeepRacer, la generación y balanceo del conjunto de datos, hasta el entrenamiento de redes neuronales mediante aprendizaje por imitación. El sistema resultante es capaz de desenvolverse en circuitos no vistos previamente, demostrando una alta capacidad de generalización. Por último, se realiza un estudio comparativo entre la conducción del piloto experto y la generada por la IA, analizando cuantitativamente sus diferencias en tiempo, trayectoria y velocidad.