1
00:00:16,690 --> 00:00:45,509
Vamos a seguir con el entrenamiento que habíamos realizado anteriormente, en el vídeo anterior, un entrenamiento para una máquina de aprendizaje que pudiera desarrollar un modelo que identificara, en este caso, con tres situaciones para que un coche autónomo pudiera decidir si debía seguir, en este caso, su camino, seguir el avance, frenar, en el caso de que, bueno, con las circunstancias del tráfico,

2
00:00:45,509 --> 00:00:51,810
así lo establecieran o incluso detener el vehículo.

3
00:00:52,350 --> 00:00:54,590
Bien, para ello ya habíamos hecho el aprendizaje correspondiente,

4
00:00:54,750 --> 00:00:58,450
vamos a recordar simplemente que una vez que añadimos las imágenes,

5
00:00:59,270 --> 00:01:03,329
el modelo aprende, esto ya lo habíamos visto en el vídeo anterior,

6
00:01:03,329 --> 00:01:07,049
pero ahora vamos a realizar una aplicación final, real,

7
00:01:07,230 --> 00:01:11,750
donde vamos a poder simular el funcionamiento de un vehículo autónomo

8
00:01:11,750 --> 00:01:18,769
en el que vamos a ir incorporando diferentes señales, diferentes situaciones de tráfico

9
00:01:18,769 --> 00:01:24,069
y la aplicación nos va a decir qué es lo que va a hacer el vehículo

10
00:01:24,069 --> 00:01:26,930
o aconsejará en este caso al conductor qué es lo que debe hacer.

11
00:01:26,930 --> 00:01:27,430
¿De acuerdo?

12
00:01:28,230 --> 00:01:32,930
Bueno, pues entonces esto como lo podrán recordar era muy sencillo.

13
00:01:33,730 --> 00:01:37,230
Una vez que la máquina está aprendiendo, tarda unos minutillos

14
00:01:37,230 --> 00:01:40,189
y a partir de ahí ya podemos en este caso probarlo.

15
00:01:40,189 --> 00:01:46,810
nos vamos a saltar el paso desde probarlo porque ya lo hemos hecho en el video anterior y hemos visto que será más o menos fiable

16
00:01:46,810 --> 00:01:52,569
entonces aquí añadiríamos una imagen pero vamos en este caso ahora a abrir la aplicación de Scratch

17
00:01:52,569 --> 00:01:57,290
una aplicación de Scratch específica para Learning ML y que nos va a permitir programar

18
00:01:57,290 --> 00:02:05,629
entonces se abre una aplicación, aquí lo tenemos, está cargando ya

19
00:02:05,629 --> 00:02:26,330
Y como vemos, la interfaz es muy similar a Scratch, de hecho es una copia de Scratch, pero que si nos fijamos tiene la posibilidad de poder añadir, una vez que hemos entrenado el modelo, vienen aquí los modelos ya entrenados con texto, con imágenes o con números.

20
00:02:26,330 --> 00:02:52,590
Si lo hemos entrenado con texto, pues nos aparecen los bloques relacionados con el texto. En este caso nos va a dar, por ejemplo, una confianza para la imagen en función, igual que nos lo hacíamos en la fase anterior, pues aquí nos va a dar un valor, nos va a clasificar en este caso la imagen que aparezca y yo ya he preparado, en este caso, la he creado el programa, muy sencillo, que vamos a ver ahora.

21
00:02:52,590 --> 00:03:13,569
En este caso el programa es este que vemos aquí, y entonces una vez que cargamos este entrenamiento ya realizado, el archivo que hemos generado, pues abrimos en este caso nuestro programa, el programa que se puede hacer perfectamente en Scratch,

22
00:03:13,569 --> 00:03:31,830
Y como vemos lo que he añadido en este caso es dentro de las opciones de bloques de extensión hay una opción que es de texto a voz para que sea en este caso la animación, la simulación, el programa la que genere el sonido correspondiente para poder indicar al conductor lo que debe hacer.

23
00:03:31,830 --> 00:03:48,550
Bueno, pues el programa como vemos es muy sencillo, tenemos en este caso un programa en el cual cargamos la cabina de un coche, en este caso se activa el navegador autónomo que va indicando que es el asistente de navegación y que le va a indicar si debe seguir, frenar o detenerse.

24
00:03:48,550 --> 00:03:54,830
hemos hecho una pequeña animación en este caso para simular que sale de garaje

25
00:03:54,830 --> 00:04:01,229
pero lo que nos interesa realmente es los objetos, los diferentes disfraces para el objeto

26
00:04:01,229 --> 00:04:03,229
en este caso que serían las señales de tráfico

27
00:04:03,229 --> 00:04:06,930
y como vemos hemos añadido unas cuantas para que, ahora veremos el programa

28
00:04:06,930 --> 00:04:09,849
cuando demos a la barra espaciadora van a ir apareciendo en este caso

29
00:04:09,849 --> 00:04:15,270
diferentes disfraces de este objeto número 4

30
00:04:15,270 --> 00:04:23,750
una señal de stop, una señal de semáforo, una señal de advertencia, incluso hemos incluido algunas disfraces que no tienen absolutamente nada

31
00:04:23,750 --> 00:04:28,269
para indicar que la carretera está vacía, y luego también puso alguna señal de advertencia, etc.

32
00:04:29,110 --> 00:04:38,750
Lo interesante de este programa es que, como vemos, el programa en realidad, nada más empezar, las señales se esconden

33
00:04:38,750 --> 00:05:05,250
Y cuando le damos a la barra espaciadora aparece en este caso el disfraz que va a ir cada vez que impulsemos la barra espaciadora va a ir cambiándose y en este caso la navegación autónoma pronuncia la palabra atención, debe y automáticamente, y es lo más interesante, en este caso lo que va a pronunciar es la etiqueta a la cual ha clasificado la nueva imagen que corresponde con el número del disfraz en el que estamos.

34
00:05:05,250 --> 00:05:26,589
De manera que, por ejemplo, si estamos en el Disflat, yo que sé, número 4, pues esto ya lo ha clasificado en el modelo de aprendizaje, ya sabría qué tipo de elemento correspondería a qué tipo de etiqueta y por lo tanto nos podría decir en este caso el porcentaje y nos diría, la clasificaría y nos diría exactamente a cuál pertenece.

35
00:05:26,589 --> 00:05:33,410
Vamos a ver la simulación desde el principio, en este caso desde aquí y lo vamos a ver.

36
00:05:33,410 --> 00:05:43,170
Hola, soy su asistente de navegación autónoma, deje que le indique cuando debe seguir, frenar o detener el vehículo. Vamos allá.

37
00:05:45,569 --> 00:05:51,290
Bueno, como vemos es una simple simulación para indicar que saldría a otro garaje y ahora en este caso el coche estaría funcionando

38
00:05:51,290 --> 00:05:57,889
y cada vez que pulsemos la barra precedora aparecerá uno de los disfraces del objeto número 4, del objeto de las señales

39
00:05:57,889 --> 00:06:00,129
y automáticamente la navegación

40
00:06:00,129 --> 00:06:01,009
dirá

41
00:06:01,009 --> 00:06:02,970
el aprendizaje dirá

42
00:06:02,970 --> 00:06:05,410
a qué etiqueta corresponde

43
00:06:05,410 --> 00:06:07,430
a qué categoría corresponde y por lo tanto nos dirá

44
00:06:07,430 --> 00:06:08,889
qué debe hacer el conductor

45
00:06:08,889 --> 00:06:10,209
atención debe

46
00:06:10,209 --> 00:06:12,949
frenar

47
00:06:12,949 --> 00:06:15,350
el momento va bien

48
00:06:15,350 --> 00:06:16,970
atención debe

49
00:06:16,970 --> 00:06:18,430
seguir

50
00:06:18,430 --> 00:06:20,670
atención debe

51
00:06:20,670 --> 00:06:22,250
frenar

52
00:06:22,250 --> 00:06:24,430
atención debe

53
00:06:24,430 --> 00:06:25,850
frenar

54
00:06:25,850 --> 00:06:35,189
Bueno, como vemos las diferentes imágenes, este es el caso que habíamos puesto en ningún tipo de señal para indicar que debe continuar.

55
00:06:44,430 --> 00:06:49,769
Bueno, como vemos, pues parece que funciona bastante bien y como digo, todo esto es con un sencillo programa.

56
00:06:49,769 --> 00:06:53,250
Evidentemente podríamos colocar que cada vez que pusemos la barra apreciadora

57
00:06:53,250 --> 00:06:55,449
En lugar de que siga la secuencia de los disfraces

58
00:06:55,449 --> 00:06:57,490
Que sea de manera aleatoria, eso no es ningún problema

59
00:06:57,490 --> 00:07:00,709
Pero lo interesante es que podríamos ver una simulación correcta

60
00:07:00,709 --> 00:07:01,110
¿De acuerdo?