Este artículo técnico detalla la implementación de un algoritmo genético en TypeScript para entrenar a un vehículo autónomo a realizar el aparcado automático. El proyecto, presentado por Trekhleb, reduce la complejidad del problema a la optimización de un genoma de 180 bits, eliminando la necesidad de redes neuronales complejas como las redes de perceptrones multicapa. En su lugar, se emplean dos polinomios lineales con múltiples variables para modelar la función cerebral del coche, que toma como entrada los valores de ocho sensores de distancia y produce como salida las señales de control para el motor y la dirección.
El sistema opera con una frecuencia de 100 milisegundos, donde los sensores detectan obstáculos a una distancia de 0 a 4 metros y envían datos al 'cerebro' del vehículo. Este procesa la información mediante funciones lineales para determinar la acción muscular adecuada: avanzar, retroceder, frenar, girar a la izquierda o derecha. La evolución del comportamiento se observa a través de generaciones sucesivas, donde los genomas iniciales aleatorios mejoran su capacidad para acercarse al espacio de aparcado. Aunque el modelo es simplificado y no utiliza aprendizaje profundo, permite visualizar el proceso de aprendizaje en tiempo real mediante un simulador web interactivo. Esta herramienta sirve como una introducción didáctica a los principios fundamentales de la evolución genética aplicada a la robótica, ofreciendo una alternativa accesible y transparente a los modelos de inteligencia artificial más avanzados.