This thesis introduces an innovative testing framework designed to enhance the Track Limits algorithm utilized in Formula Student Autonomous Systems. To gain a comprehensive understanding of how a specific algorithm configuration affects its overall performance, it is essential to test the algorithm across diverse tracks. However, conducting physical tests on the car is hindered by tight time constraints during the competition season and the extensive volume of validations needed in the testing phase. The project establishes a scalable testing environment, facilitating automated iterative testing, parameter refinement, and performance analysis based on key performance indicators (KPIs). Using a diverse dataset of simulated tracks, the study systematically evaluates the algorithm's accuracy and identifies areas for enhancement. Through rigorous experimentation, this study offers profound insights, promising significant advancements in fine-tuning Track Limits algorithms as well as allowing the development of new approaches.

Esta tesis presenta un nuevo entorno de pruebas para mejorar el algoritmo de detección de límites de pista para los sistemas autónomos de Formula Student. Para comprender cómo afecta una configuración específica del algoritmo a su rendimiento general, es esencial probarlo en varias pistas. Sin embargo, las limitaciones de tiempo durante la temporada de competiciones y la cantidad de validaciones requeridas durante la fase de prueba hacen imposible realizar pruebas físicas en el automóvil. El proyecto crea un entorno de pruebas escalable que permite la simulación iterativa, la determinación de la configuración ideal de los parámetros y la realización de un análisis de rendimiento basado en indicadores clave. Este módulo evalúa sistemáticamente la precisión del algoritmo y identifica áreas de mejora utilizando un amplio conjunto de pistas simuladas. Este estudio ofrece una perspectiva profunda a través de experimentación rigurosa. Promete avances significativos en la optimización de algoritmos de detección de límites de pista y la posibilidad de desarrollar nuevas soluciones.

Aquesta tesi presenta un entorn de proves per millorar l'algoritme de detecció de límits de pista per als sistemes autònoms de Formula Student. Per comprendre com afecta una configuració específica de l'algorisme al seu rendiment general, és essencial provar-ho a diverses pistes. No obstant això, les limitacions de temps durant la temporada de competicions i la quantitat de validacions requerides durant la fase de prova fan impossible realitzar proves físiques a l'automòbil. El projecte crea un entorn de proves escalable que permet la simulació iterativa, la determinació de la configuració òptima dels paràmetres de l'algorisme i la realització d'una anàlisi de rendiment basada en indicadors clau. Aquest mòdul avalua sistemàticament la precisió de l'algorisme i identifica àrees de millora fent servir un ampli conjunt de pistes simulades. Aquest estudi ofereix una perspectiva profunda mitjançant una experimentació rigorosa. Promet avenços significatius en l'optimització d'algorismes de detecció de límits de pista i la possibilitat de desenvolupar noves solucions.