Política End-to-End de Conducción para un Reto de Karting Autónomo
Visión general
De qué trata este proyecto.
Recibes 12 horas de demos del piloto humano (cámara frontal a 30 Hz + comandos), una pista replicada en CARLA y un baseline PID. Entrena una política de imitación (CNN ligera tipo PilotNet o un Transformer pequeño), evalúa con tiempo por vuelta y tasa de finalización en 30 corridas con perturbaciones (lluvia, viento), y compara contra el PID. Entrega análisis de fallos y propuesta de DAgger (Dataset Aggregation — agregación de datos en línea) para iterar.
El Briefing
Lo que harás y lo que demostrarás.
Entrenar una política end-to-end que complete el circuito en al menos 25 de 30 corridas con perturbaciones, mejorando el tiempo medio vs el PID baseline.
Earning criteria — what you'll demonstrate
- Aplicar aprendizaje por imitación a control de vehículo
- Evaluar políticas con perturbaciones controladas
- Comparar política aprendida vs baseline clásico
- Diseñar un plan de iteración con DAgger
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero de Aprendizaje Automático
Aprendizaje por imitación y evaluación con perturbaciones controladas es trabajo cotidiano del MLE en robótica móvil.
Este proyecto afina
- imitation-learning
- pytorch
- model-evaluation
Investigador en IA
Diseñar un plan DAgger y comparar contra baseline clásico es músculo del investigador en aprendizaje secuencial.
Este proyecto afina
- imitation-learning
- end-to-end-learning
- simulation
Científico de IA Aplicada
Llevar una política aprendida a un benchmark con perturbaciones es el músculo del applied AI scientist en robótica.
Este proyecto afina
- end-to-end-learning
- simulation
- model-evaluation