RT info:eu-repo/semantics/bachelorThesis
T1 Construir un RC car autónomo con Raspberry Pi, NAVIO2 y TensorFlow/KERAS
A1 Delgado Santa Cruz, Noemi
A1 Fernández Vázquez, Adrián
A2 Grado En Ingeniería Electrónica Industrial Y Automática
K1 vehículo autónomo
K1 Tensorflow
K1 Navio 2
K1 vehículo autónomo
K1 Tensorflow
K1 NAVIO2
AB Hoy en día, la mayoría de sistemas automáticos o de gestión tienden aimplementar inteligencias artificiales que favorecen la experiencia con elusuario y realizan un trabajo eficiente y ordenado. Los asistentes inteligentesde los “smartphones” son un claro ejemplo de ello. Por este motivo no esdescabellado pensar que entre los sectores en auge, dentro de esta nuevatecnología, todavía reciente y en desarrollo, nos encontremos con vehículosinteligentes.Actualmente, son muchas las empresas que están implementando este tipode tecnología en sus coches (Tesla entre las pioneras) y muchas otras queofrecen herramientas y entornos para que el sector del “machine learning”progrese de forma eficaz gracias a la aportación de los usuarios.Tras profundizar en el tema, hemos encontrado que compañías comoNVIDIA ofrecen tanto software como hardware aplicado en conducciónautónoma que nos van a ayudar a realizar nuestro objetivo: crear un prototipode estudio de un coche autónomo a partir de una red neuronal (inteligenciaartificial). Para ello, nos envolveremos dentro de las librerías desarrolladaspor Google en materia específica de redes neuronales: TensorFlow y KERAS.Están serán cruciales para el desarrollo de nuestro cerebro automovilístico.El software libre forma, junto con lo anterior, el pilar principal deldesarrollo de las tecnologías inteligentes. En nuestro caso, nos valdremos deun sistema “BURRO” que conformará el firmware de nuestro vehículo y, apartir de ahí, trabajar en su implementación y adaptación.Por tanto, no solo trabajaremos con entornos de programación paraestablecer una base sólida de funcionamiento del RC Car (coche radiocontrol), sino que tocaremos de primera mano el diseño y puesta en marchade una inteligencia artificial a partir de “Deep Learning”, con redesconvolucionales, basadas en las librerías ya mencionadas de TensorFlow yKeras.Logramos construir el prototipo físicamente sin dificultades eimplementamos el firmware de manera exitosa. El diseño neuronal y suentrenamiento también resultaron según lo esperado, aunque un poco pordebajo de nuestras expectativas. Aun así, el vehículo es capaz tanto de andarde forma manual como autónoma (aunque cierto porcentaje de error).
YR 2019
FD 2019
LK http://riull.ull.es/xmlui/handle/915/16539
UL http://riull.ull.es/xmlui/handle/915/16539
LA es
DS Repositorio institucional de la Universidad de La Laguna
RD 24-abr-2024