Este artículo aborda la validación de controladores de redes neuronales, cada vez más utilizados en el aprendizaje automático para sistemas autónomos. En particular, presentamos un novedoso caso práctico sobre la validación de controladores de redes neuronales para microvoladores, transportados pasivamente por el viento; concretamente, drones planeadores biomiméticos de tamaño centimétrico que se asemejan a las semillas de Alsomitra macrocarpa. Con el objetivo de seguir con precisión la trayectoria objetivo, realizamos la validación utilizando las herramientas Vehicle y CORA y proponemos un método de entrenamiento robusto para la red recurrente. Los resultados experimentales muestran que el método de entrenamiento propuesto mejora el rendimiento y la robustez, pero el abanico de posibilidades es limitado debido a las limitaciones sistemáticas de Vehicle y CORA, así como a la complejidad del sistema. Argumentamos que superar estas limitaciones puede contribuir al desarrollo de tecnologías seguras y robustas.
