Este artículo presenta una novedosa aplicación que aprovecha la validación de modelos para lograr la planificación multipaso en tiempo real y la evitación de obstáculos en un robot autónomo real. Desarrollamos un algoritmo de validación de modelos compacto y personalizado que genera planes en campo basándose en el conocimiento y la atención esenciales presentes en agentes biológicos. Esto se logra en tiempo real, en dispositivos de bajo consumo, sin datos precalculados. Se basa en un método de vinculación de sistemas de control ad hoc generados para contrarrestar las perturbaciones ambientales locales que impiden que el agente autónomo adopte su comportamiento preferido (o estado de reposo). Utilizamos una novedosa técnica de discretización para datos LiDAR 2D, sensible a cambios limitados en el entorno local. Aplicamos la planificación multipaso a escenarios de callejón sin salida y de patio de recreo mediante la validación de modelos mediante búsqueda en profundidad hacia adelante. Tanto los resultados empíricos como las demostraciones informales de dos propiedades fundamentales del enfoque demuestran que la validación de modelos puede utilizarse para generar planes multipaso eficientes, mejorando el rendimiento de agentes reactivos capaces de planificar un solo paso. Este enfoque sirve como caso práctico educativo para el desarrollo de planes seguros, fiables y explicables en el contexto de los vehículos autónomos.
