Ingeniería de Aprendizaje por Refuerzo y Imitación en Conducción

La Ingeniería de Aprendizaje por Refuerzo y Imitación en Conducción

— RL/IL — aborda el diseño y optimización de sistemas de control autónomo para vehículos, empleando técnicas avanzadas como reward shaping para mejorar el aprendizaje adaptativo en entornos dinámicos. Esta disciplina integra áreas fundamentales como la dinámica/control de vehículos, percepción sensorial y sistemas de toma de decisiones basados en algoritmos de aprendizaje profundo, combinando herramientas como HIL y simuladores SIL para validar modelos. El enfoque se extiende a arquitecturas de control robustas y seguras, crucibles en la evolución de la movilidad autónoma, complementándose con normativas y estándares técnicos relevantes del sector automotriz y aeroespacial.

Los laboratorios especializados cuentan con capacidades para la evaluación de seguridad y trazabilidad rigurosa bajo normativas aplicables internacionales, así como métodos de certificación alineados con ISO 26262, IEC 61508 y requisitos de functional safety. Los ensayos incluyen análisis de vulnerabilidades, pruebas en entornos reales y simulados y validación de políticas de seguridad activo-pasiva. Los profesionales formados se desempeñan como ingenieros de control, desarrolladores de software safety-critical, especialistas en validation & verification, data scientists y ingenieros de sistemas embebidos, impulsando la innovación responsable en conducción autónoma.