🔑 Palabras Clave (Topics)

Para optimizar la descubribilidad del repositorio, se recomiendan los siguientes topics:

processing, artificial-intelligence, neural-networks, genetic-algorithms, 
machine-learning, reinforcement-learning, evolutionary-algorithms, 
deep-learning-from-scratch, ai-visualization, educational-project, 
java-mode, autonomous-agents, neuroevolution, ai-simulation

🚀 Instrucciones de Uso

1️⃣ Instalación de Processing

Paso 1: Descargar Processing

1. Visita el sitio oficial: https://processing.org/download
2. Descarga la versión Processing 4.x más reciente
3. Descomprime el archivo en una carpeta de tu preferencia

Paso 2: Configurar el Modo Java

Processing → Sketch → Export Application → Asegúrate de usar Java Mode

Paso 3: Verificar Instalación

// Crea un nuevo sketch y ejecuta este código de prueba:
void setup() {
  size(400, 400);
  background(255);
  println("Processing instalado correctamente!");
}

2️⃣ Clonar el Repositorio

# Usando Git
git clone https://github.com/0vethor0/IAdesdeCero.git

# Navegar al directorio
cd IAdesdeCero

# Abrir en Processing
# (Arrastra CarrerasRL.pde a Processing o usa File → Open)

3️⃣ Ejecutar la Simulación

# Pasos para ejecutar:
1. Abre Processing 4.x
2. File → Open → Selecciona CarrerasRL.pde
3. Presiona el botón ▶ (Run)
4. ¡Observa cómo la IA aprende!

🧠 Entendiendo el Aprendizaje de la IA

Arquitectura de la Red Neuronal

┌─────────────────────────────────────────────────────────┐
│                    ARQUITECTURA DE RED                  │
├─────────────────────────────────────────────────────────┤
│                                                         │
│   ENTRADAS (6)    →    OCULTAS (8)    →    SALIDAS (3) │
│   ───────────         ───────────         ───────────   │
│   • Carril actual       • 8 neuronas        • Izquierda │
│   • Distancia Obs1      • Activación tanh   • Derecha   │
│   • Carril Obs1         • Pesos ajustables  • Recto     │
│   • Tipo Obs1           • Sesgos            │
│   • Distancia Obs2      │
│   • Velocidad juego     │
│                                                         │
└─────────────────────────────────────────────────────────┘

📊 Vector de Entradas (Inputs)

🎯 Vector de Salidas (Actions)

🧬 Proceso Evolutivo

GENERACIÓN N                          GENERACIÓN N+1
┌─────────────────┐                  ┌─────────────────┐
│  10 Coches IA   │                  │  10 Coches IA   │
│  (RedesRandom)  │───Fitness───────▶│  (RedesEvoluc.) │
└─────────────────┘                  └─────────────────┘
        │                                    ▲
        │  1. Evaluar puntuación             │
        │  2. Seleccionar mejores            │
        │  3. Cruzar genes (pesos)           │
        │  4. Mutar aleatoriamente           │
        └────────────────────────────────────┘

📈 Parámetros del Algoritmo Genético

🔍 Cómo Interpretar los Datos de Aprendizaje

HUD Izquierdo (Estadísticas)

▶ CARRERAS RL
─────────────────
Generación:    15        ← Generación actual
Vivos:         3 / 10    ← Coches aún en juego
Score:         2847      ← Puntuación actual
Mejor (gen):   3120.5    ← Mejor score de esta generación
Promedio:      1856.3    ← Score promedio de la generación
Vel:           12.4 px/f ← Velocidad del juego

Panel Derecho (Red Neuronal)

Señales de que la IA Está Aprendiendo

✅ Indicadores de Progreso:

• El score máximo aumenta entre generaciones
• Los coches sobreviven más tiempo en promedio
• La IA esquiva obstáculos de manera consistente
• Los pesos de la red se estabilizan

⚠️ Indicadores de Problemas:

• El score se estanca por muchas generaciones
• Todos los coches mueren rápidamente
• Comportamiento errático sin mejora

🛠️ Personalización y Experimentación

Modificar Parámetros de la IA

// En AlgoritmoGenetico.pde
float tasaMutacion   = 0.10;  // Aumentar para más exploración
float fuerzaMutacion = 0.20;  // Aumentar para cambios más drásticos

// En Simulacion.pde
int tamanioPoblacion = 10;    // Más agentes = más diversidad genética

Cambiar la Arquitectura Neural

// En RedNeuronal.pde
int cantEntradas = 6;   // Añadir más sensores
int cantOcultas  = 8;   // Más neuronas = más capacidad
int cantSalidas  = 3;   // Más acciones posibles

Ajustar Dificultad del Juego

// En Simulacion.pde
float velocidadMaxima     = 18.0;  // Velocidad máxima del juego
float incrementoVelocidad = 0.0008; // Cuánto acelera con el tiempo
float probabilidadCono    = 0.25;  // % de obstáculos que son conos

📚 Recursos de Aprendizaje

🤝 Contribuciones

Las contribuciones son bienvenidas. Para contribuir:

1. Fork el proyecto
2. Crea una rama (git checkout -b feature/NuevaCaracteristica)
3. Commit tus cambios (git commit -m 'Añadir nueva característica')
4. Push a la rama (git push origin feature/NuevaCaracteristica)
5. Abre un Pull Request

🙏 Agradecimientos

• Processing Foundation — Por la plataforma de creative coding
• Comunidad de IA — Por inspirar proyectos educativos open source
• Contribuidores — Por mantener vivo el aprendizaje accesible

¿Te gustó este proyecto? ⭐ Dale una estrella en GitHub

¿Tienes preguntas? 📩 Abre un issue en el repositorio

Hecho con ❤️ para democratizar el aprendizaje de Inteligencia Artificial