Simulador para validación de funcionalidades con vehículos automatizados de competición
DOI:
https://doi.org/10.17979/ja-cea.2025.46.12075Palabras clave:
Vehículos autónomos, Simulación, Integración de sensores y percepción, Sistemas de transporte inteligentesResumen
Los vehículos automatizados representan una de las áreas más innovadoras y desafiantes dentro del ámbito de la automoción y la automática. Sus aplicaciones van desde el transporte urbano, carreteras y hasta competiciones de alto rendimiento. En este contexto, la validación virtual de funcionalidades se ha convertido en una herramienta clave para acelerar el desarrollo y validar estos sistemas antes de probar en plataformas reales. En este trabajo se presenta la implementación de un simulador de lazo completo de código abierto, como herramienta de validación para el vehículo autónomo de competición de Tecnun eRacing. El simulador permite probar y depurar funcionalidades críticas del sistema autónomo, como la planificación de trayectorias, el control del vehículo y la percepción del entorno, en un entorno virtual seguro y reproducible. Gracias a esta herramienta, el equipo ha logrado avances significativos en el desarrollo y la fiabilidad del sistema autónomo, reduciendo tiempos de prueba y mejorando la calidad de algunas de las funcionalidades más importantes.
Referencias
Community, F.-D., 2021. Formula student driverless simulator (fsds). https://github.com/FS-Driverless/Formula-Student-Driverless-Simulator, accedido el 5 demayo de 2025.
Community, G. E., 2014. Godot engine. Motor de videojuegos de código abierto. URL: https://godotengine.org
Dosovitskiy, A., Ros, G., Codevilla, F., Lopez, A., Koltun, V., 2017. Carla: An open urban driving simulator. In: Proceedings of the 1st Annual Conference on Robot Learning. PMLR.
Fischler, M. A., Bolles, R. C., 1981. Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM 24 (6). DOI: 10.1145/358669.358692
FSOCO Team, 2021. Fsoco: Formula student objects in context dataset. https://www.fsoco-dataset.com, dataset público para Formula Student. URL: https://www.fsoco-dataset.com
M. Oroz and A.Colmenero, 2025. Mirena simulator. https://github.com/Tecnun-eRacing/mirena_sim.
Macenski, S., Foote, T., Gerkey, B., Lalancette, C., Woodall, W., May 2022. Robot operating system 2: Design, architecture, and uses in the wild. Science Robotics 7 (66). URL: http://dx.doi.org/10.1126/scirobotics.abm6074 DOI: 10.1126/scirobotics.abm6074
Newman, W. S., 2007. Team case and the 2007 darpa urban challenge. In: Proceedings of the 2007 DARPA Urban Challenge. U´ ltimo acceso: 24 de junio de 2025. URL: https://api.semanticscholar.org/CorpusID:18147969
Perlin, K., 2002. Improving noise. In: ACM Transactions on Graphics (TOG). Vol. 21. ACM.
Quigley, M., Conley, K., Gerkey, B., Faust, J., Foote, T., Leibs, J., Berger, E., Wheeler, R., Ng, A., 2025. Ros: an open-source robot operating system. https://github.com/ros/geometry2, U´ ltimo acceso: 24 de junio de 2025.
Racing, A., 2018. Fssim: Formula student simulator. URL: https://github.com/AMZ-Driverless/fssim
Razavikia, S., Amini, A., Daei, S., 2020. Reconstruction of binary shapes from blurred images via hankel-structured low-rank matrix recovery. IEEE Transactions on Image Processing 29. DOI: 10.1109/TIP.2019.2950512
Rusu, R. B., Cousins, S., May 9-13 2011. 3D is here: Point Cloud Library (PCL). In: IEEE International Conference on Robotics and Automation (ICRA). Shanghai, China. DOI: 10.1109/ICRA.2011.5980567
Saillot, M., Michel, D., Zidna, A., 2024. B-spline curve approximation with transformer neural networks. Mathematics and Computers in Simulation 223. URL: https://www.sciencedirect.com/science/article/pii/S0378475424001368 DOI: https://doi.org/10.1016/j.matcom.2024.04.010
Student, E. U. F., 2023. eufs sim: Gazebo simulation for formula student driverless. https://github.com/eufs/eufs_sim, accedido el 5 de mayo de 2025.
Ultralytics, 2020. Yolov5. URL: https://github.com/ultralytics/yolov5
Ultralytics, 2023. Yolov8: Real-time object detection framework. URL: https://github.com/ultralytics/ultralytics
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Miguel Oroz, Alberto Colmenero Fernández, Joshué Pérez Rastelli
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
