Este artículo presenta un enfoque sencillo para integrar la seguridad en el aprendizaje por imitación (AI), donde garantizar el cumplimiento de las restricciones resulta difícil, como al operar cerca de los límites operativos del sistema. Los métodos de aprendizaje por imitación existentes, como la replicación del comportamiento (BC), tienen dificultades para aplicar las restricciones, lo que a menudo resulta en un rendimiento subóptimo en tareas de alta precisión. En este artículo, validamos experimentalmente el enfoque propuesto mediante simulaciones en una tarea de carreras de conducción autónoma, utilizando retroalimentación de estado completo e imagen, demostrando un mejor cumplimiento de las restricciones y una mayor consistencia en el rendimiento de la tarea en comparación con BC.
