Resumen:
This report presents the design of a controller for trajectory tracking of an unmanned
autonomous rotary-wing vehicle. The goal is to optimize the accuracy and stability in
trajectory tracking, overcoming the limitations of the pre-existing internal controller in the
AirSim simulator. Several scripts were developed in Visual Studio Code, including one for
generating random trajectories and another for tracking these trajectories using the
internal controller of AirSim. Additionally, a neural network was designed and trained to
complement and improve the performance of this controller. The results demonstrated
that the integration of the neural network optimized the accuracy and stability of the
drone's trajectory tracking, surpassing the limitations of the pre-existing internal controller.
Implementing a neural network as a complement to the control system significantly
improves the performance of the autonomous vehicle in terms of accuracy and stability
in trajectory tracking.
Keywords: Trajectory controller, autonomous vehicle, rotary-wing drone, AirSim, neural
network, trajectory tracking, artificial intelligence, flight simulation, controller optimization.
Descripción:
Este informe presenta el diseño de un controlador para el seguimiento de trayectorias de
un vehículo autónomo no tripulado de ala rotatoria. El objetivo es optimizar la precisión y
estabilidad en el seguimiento de trayectorias, superando las limitaciones del controlador
interno preexistente en el simulador AirSim. Se desarrollan varios scripts en Visual Studio
Code, incluyendo uno para la generación de trayectorias aleatorias y otro para el
seguimiento de estas trayectorias mediante el uso del controlador interno de AirSim.
Además, se diseña y entrena una red neuronal con el propósito de complementar y
mejorar el desempeño de dicho controlador. Los resultados obtenidos demostraron que
la integración de la red neuronal optimizó la precisión y estabilidad del seguimiento de
trayectorias del dron, superando las limitaciones del controlador interno preexistente. La
implementación de una red neuronal como complemento del sistema de control mejora
significativamente el rendimiento del vehículo autónomo en términos de precisión y
estabilidad en el seguimiento de trayectorias.
