Hola Alberto.
Respecto al tema que planteas, decirte que el perceptron es para el aprendizaje supervisado ya que los pesos de las conexiones se ajustan en función de los datos de entrenamiento que se tengan, a parte de tener que saber cual es el número de neuronas y demás que debe de tener tu red; en resumen, hay que obtener la arquitectura mínima posible de neuronas y que el error que se obtenga tras el entrenamiento sea el mínimo posible. Luego evidentemente la red te tiene que ir bien, porque sino habrás tenido overfiting y la red no se ajustara a la realidad sino a los datos de entrenamiento.
Sobre crear una red con entrenamiento no supervisado, no te valdría el perceptron, tendrías que utilizar las redes de Kohonen ( o mapas autoorganizados) que son para entrenamiento no supervisado, pero sobre estas no te puedo decir mucho mas ya que las conozco a nivel conceptual pero no a nivel práctico porque nunca he tratado con ellas.
Lo que nose si una red neuronal sera la mejor solución para la conducción automática de coches. Por lo que yo se y si estuviese en tu lugar utilizaría lógica borrosa ya que en mi opinion eso se ajusta más a tus necesidades y por lo que se es lo que se utiliza para ese tipo de cometidos aunque nose cuales son las características del problema que tienes que resolver.
SL2