Control Predictivo USV

Control Predictivo basado en Aprendizaje por Refuerzo para el seguimiento de trayectorias de un vehículo autónomo (Ackermann) para la asignatura Control Inteligente del Máster en Ingeniería de Sistemas y Control (UNED).

Características

• Entorno Gym personalizado para simulación de seguimiento de trayectorias.
• Controlador PID tradicional y controlador basado en Aprendizaje por Refuerzo (RL, PPO).
• Comparativa automática entre PID y RL con métricas y gráficas.
• Visualización de trayectorias, errores y recompensas.

Estructura

• gym/env.py: Entorno de simulación.
• controller/pid_controller.py: Controlador PID.
• main_train.py: Entrenamiento del modelo RL.
• main.py: Evaluación del modelo RL.
• main_pid.py: Evaluación del PID.
• main_compare.py: Comparativa PID vs RL.
• tray/tracker.py: Métricas y gráficas.
• config.py: Parámetros de simulación y control.

Uso rápido

1. Entrenar RL:

   python main_train.py

2. Evaluar RL:

   python main.py

3. Evaluar PID:

   python main_pid.py

4. Comparar PID vs RL:

   python main_compare.py

Las gráficas y resultados se guardan en la carpeta images/.

Requisitos

• Python 3.8+
• stable-baselines3
• gymnasium
• matplotlib
• numpy

Contacto

Ante cualquier duda consultar a través de los medios indicados en el perfil.