Curso de Ética en el uso dual de biotecnología
About our
El Curso de Vehículos Autónomos en Entornos Urbanos ofrece una inmersión en la tecnología de conducción autónoma, enfocándose en la aplicación de algoritmos de percepción, planificación de rutas y control en escenarios urbanos complejos. Se exploran temas como sensores LiDAR y cámaras, aprendizaje automático para la detección de objetos, y simulación para el desarrollo y testeo de sistemas autónomos. El curso se vincula con áreas como inteligencia artificial, robótica y telemática.
Los participantes adquieren habilidades prácticas en el uso de software de simulación de vehículos, el análisis de datos de sensores, y la implementación de algoritmos de control. Se aborda la importancia de la seguridad, la legislación y los aspectos éticos relacionados con los vehículos autónomos. Esta formación prepara a profesionales para roles en el desarrollo de software, la ingeniería de sistemas y la investigación en el campo de la movilidad autónoma urbana.
Palabras clave objetivo (naturales en el texto): vehículos autónomos, conducción autónoma, percepción, planificación de rutas, control, sensores LiDAR, aprendizaje automático, simulación, movilidad urbana.
Curso de Ética en el uso dual de biotecnología
- Modalidad: Online
- Duración: 4 meses
- Horas: 300 H
- Idioma: ES / EN
- Créditos: 60 ECTS
- Fecha de matrícula: 19-06-2026
- Fecha de inicio: 05-08-2026
- Plazas disponibles: 2
799 $
Competencies and outcomes
What you will learn
1. Dominio Integral de Vehículos Autónomos Urbanos: Diseño, Navegación y Seguridad
- Fundamentos del Diseño de Vehículos Autónomos Urbanos: Explora los principios clave que rigen la creación de estos vehículos, desde la arquitectura del sistema hasta la selección de componentes esenciales.
- Diseño Mecánico y Estructural: Aprende a diseñar la estructura de un vehículo autónomo, incluyendo la selección de materiales, análisis de resistencia y durabilidad, y diseño de sistemas de suspensión y dirección.
- Sistemas de Navegación y Control: Domina los algoritmos de navegación autónoma, incluyendo la localización, mapeo y planificación de rutas, así como los sistemas de control para la estabilidad y maniobrabilidad.
- Sensores y Percepción: Estudia los diferentes tipos de sensores utilizados en vehículos autónomos (cámaras, lidar, radar, ultrasonido) y cómo procesar los datos para la percepción del entorno y la toma de decisiones.
- Inteligencia Artificial y Aprendizaje Automático: Comprende cómo se aplican las técnicas de IA y aprendizaje automático en la conducción autónoma, incluyendo la clasificación de objetos, detección de peatones y toma de decisiones en tiempo real.
- Seguridad y Ciberseguridad: Aprende sobre los estándares de seguridad, los protocolos de ciberseguridad y las pruebas de validación necesarias para garantizar la seguridad de los vehículos autónomos y protegerlos contra ataques maliciosos.
- Legislación y Regulación: Obtén una visión general de las regulaciones actuales y futuras relacionadas con los vehículos autónomos, incluyendo los aspectos legales y éticos de la conducción autónoma.
- Simulación y Pruebas: Utiliza herramientas de simulación para probar y validar el rendimiento de los vehículos autónomos, y participa en pruebas en entornos reales para evaluar su comportamiento y seguridad.
2. Análisis Profundo de Vehículos Autónomos Urbanos: Control, Simulación y Validación
Aquí tienes el contenido solicitado:
- Fundamentos de la autonomía vehicular: comprender los pilares de la conducción autónoma, desde la percepción sensorial hasta la toma de decisiones.
- Arquitectura y diseño de sistemas de control: explorar las arquitecturas de control específicas para vehículos autónomos, incluyendo controladores PID, control predictivo y control basado en modelos.
- Simulación de vehículos autónomos: aprender a utilizar herramientas de simulación para evaluar el rendimiento de los vehículos en entornos urbanos complejos, incluyendo simulación de sensores, modelado del entorno y simulación de tráfico.
- Validación y verificación de sistemas autónomos: dominar las metodologías para validar y verificar la seguridad y el rendimiento de los vehículos autónomos, incluyendo pruebas en entornos simulados y reales.
- Percepción del entorno: analizar los sistemas de percepción basados en sensores como cámaras, lidar, radar y ultrasonido, y cómo se fusionan los datos para crear una representación precisa del entorno.
- Planificación de trayectorias y toma de decisiones: estudiar algoritmos de planificación de trayectorias y toma de decisiones para navegar de forma segura y eficiente en entornos urbanos, incluyendo planificación global y local.
- Legislación y aspectos éticos: comprender los aspectos legales y éticos relacionados con la conducción autónoma, incluyendo responsabilidad, seguridad y privacidad.
- Aplicaciones de inteligencia artificial en vehículos autónomos: explorar el uso de técnicas de inteligencia artificial, como aprendizaje automático y redes neuronales, para mejorar la percepción, el control y la toma de decisiones.
- Diseño de software y hardware para vehículos autónomos: estudiar las arquitecturas de software y hardware utilizadas en los vehículos autónomos, incluyendo sistemas embebidos, procesadores de alto rendimiento y buses de comunicación.
- Desafíos y tendencias futuras: analizar los desafíos actuales en el desarrollo de vehículos autónomos y explorar las tendencias futuras en la industria, incluyendo la evolución de la tecnología, el impacto en la sociedad y el mercado.
3. Diseño y validación integral orientado al usuario (del modelado a la manufactura)
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
4. Especialización en Vehículos Autónomos Urbanos: Percepción, Planificación y Control
- Fundamentos de la percepción en entornos urbanos: sensores, procesamiento de imágenes y fusión de datos.
- Algoritmos de planificación de trayectorias para vehículos autónomos: generación de rutas, evasión de obstáculos y cumplimiento de restricciones.
- Técnicas de control para vehículos autónomos: control de velocidad, dirección y seguimiento de trayectorias.
- Sistemas de navegación y posicionamiento: GPS, IMU y SLAM.
- Arquitecturas de software para vehículos autónomos: ROS y otras plataformas.
- Aspectos de seguridad y validación de sistemas autónomos.
- Regulaciones y normativas aplicables a los vehículos autónomos urbanos.
- Simulación y pruebas en entornos virtuales.
- Aprendizaje automático aplicado a la conducción autónoma: detección de objetos, clasificación y toma de decisiones.
- Desarrollo de prototipos y experimentación con vehículos autónomos a escala.
5. Exploración Experta en Vehículos Autónomos Urbanos: Desarrollo, Prueba y Despliegue
- Fundamentos de la autonomía en entornos urbanos: sensores, percepción, planificación y control.
- Arquitecturas de software para vehículos autónomos: ROS, plataformas de desarrollo y simulación.
- Diseño y desarrollo de sistemas de percepción: visión por computadora, LiDAR, radar y fusión de sensores.
- Planificación de trayectorias y navegación: algoritmos de búsqueda, mapeo y localización simultánea (SLAM).
- Control de vehículos autónomos: estrategias de control predictivo, control robusto y control distribuido.
- Pruebas y validación de vehículos autónomos: simulaciones, pruebas en entornos controlados y despliegue en el mundo real.
- Consideraciones de seguridad y ciberseguridad en vehículos autónomos.
- Aspectos éticos y legales de la conducción autónoma.
- Tendencias y desafíos futuros en la investigación y desarrollo de vehículos autónomos urbanos.
6. Ingeniería de Vehículos Autónomos Urbanos: Robótica, Inteligencia Artificial y Aplicaciones
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
Who our [course/program] is aimed at:
Curso de Ética en el uso dual de biotecnología
- Ingenieros/as graduados/as en Ingeniería Aeroespacial, Mecánica, Industrial, Automática, Electrónica o campos relacionados.
- Profesionales de la industria automotriz y tecnológica interesados en vehículos autónomos, incluyendo ingenieros de software, hardware y sistemas.
- Especialistas en áreas como inteligencia artificial, aprendizaje automático, visión por computador y robótica que deseen aplicar sus conocimientos en el contexto de vehículos autónomos.
- Investigadores y desarrolladores de centros tecnológicos, universidades y empresas de I+D enfocados en tecnologías de conducción autónoma.
- Profesionales de empresas de transporte, logística y movilidad urbana que busquen comprender y aplicar las tecnologías de vehículos autónomos en sus operaciones.
- Responsables de políticas públicas y reguladores que necesitan adquirir conocimientos sobre el impacto y la regulación de los vehículos autónomos.
Requisitos recomendados: conocimientos básicos de programación, cálculo, física y álgebra lineal. Se valorará experiencia previa en proyectos relacionados con vehículos autónomos o áreas afines. Idioma: Se requiere un nivel intermedio-alto de inglés (B2/C1) para la comprensión de materiales y participación en el curso.
- Standards-driven curriculum: trabajarás con CS-27/CS-29, DO-160, DO-178C/DO-254, ARP4754A/ARP4761, ADS-33E-PRF desde el primer módulo.
- Laboratorios acreditables (EN ISO/IEC 17025) con banco de rotor, EMC/Lightning pre-compliance, HIL/SIL, vibraciones/acústica.
- TFM orientado a evidencia: safety case, test plan, compliance dossier y límites operativos.
- Mentorado por industria: docentes con trayectoria en rotorcraft, tiltrotor, eVTOL/UAM y flight test.
- Modalidad flexible (híbrido/online), cohortes internacionales y soporte de SEIUM Career Services.
- Ética y seguridad: enfoque safety-by-design, ciber-OT, DIH y cumplimiento como pilares.
2.1 Control avanzado: Modelado, diseño y simulación
2.2 Arquitectura de control: sensores, actuadores y buses
2.3 Lógica difusa y control predictivo basado en modelos
2.4 Métodos de optimización y teoría de juegos
2.5 Software en el bucle (SIL) y hardware en el bucle (HIL)
2.6 Validación y verificación: normas y estándares
2.7 Pruebas de simulación: escenarios y casos de uso
2.8 Análisis de fallos: modos y efectos (FMEA)
2.9 Ciberseguridad y protección de datos
2.10 Informes y documentación: resultados y conclusiones
3.2 Sensores LiDAR: Principios, funcionamiento y aplicaciones
3.2 Visión por computador: Cámaras, procesamiento de imágenes y visión estéreo
3.3 Sensores de radar: Tipos, características y su uso en vehículos autónomos
3.4 Fusión de sensores: Técnicas y algoritmos para la integración de datos
3.5 Aprendizaje automático: Introducción, modelos y aplicaciones en percepción
3.6 Redes neuronales convolucionales (CNN): Arquitecturas y entrenamiento para visión
3.7 Detección y clasificación de objetos: Técnicas avanzadas y ejemplos prácticos
3.8 Localización y mapeo simultáneos (SLAM): Algoritmos y implementaciones
3.9 Estimación de la pose: Filtro de Kalman y otras técnicas
3.20 Casos de estudio: Aplicaciones de sensores y algoritmos en vehículos autónomos
3.3 Fundamentos de la Sensórica: Tipos y Principios
3.2 Procesamiento de Señales: Filtrado y Preprocesamiento
3.3 Algoritmos de Fusión Sensorial: Kalman, Filtros y Más
3.4 Visión por Computadora: Detección y Reconocimiento de Objetos
3.5 Localización y Mapeo Simultáneo (SLAM)
3.6 Arquitecturas de Hardware: CPU, GPU y Otros Aceleradores
3.7 Sistemas Operativos en Tiempo Real (RTOS)
3.8 Comunicación y Protocolos: CAN, Ethernet
3.9 Inteligencia Artificial en Vehículos Autónomos
3.30 Diseño de Sistemas Embebidos para Automoción
4.4 Sensores avanzados para percepción: LIDAR, radar, cámaras.
4.2 Fusión sensorial: técnicas y algoritmos.
4.3 Representación del entorno: mapas 2D/3D, SLAM.
4.4 Planificación de trayectorias: algoritmos de búsqueda y optimización.
4.5 Control de vehículos autónomos: PID, control predictivo.
4.6 Arquitecturas de control: centralizada, distribuida.
4.7 Toma de decisiones: lógica difusa, redes neuronales.
4.8 Sistemas de seguridad y redundancia.
4.9 Simulación y pruebas en entornos virtuales.
4.40 Integración y validación de sistemas autónomos.
5.5 Simulación de sistemas complejos: Modelado y pruebas
5.5 Entornos de simulación de alto rendimiento
5.3 Plataformas de simulación: ROS, Gazebo y V-REP
5.4 Métricas de rendimiento: KPI y evaluación de resultados
5.5 Validación en el mundo real: Pruebas en carretera y desafíos
5.6 Análisis de fallos y resolución de problemas
5.7 Herramientas de depuración y optimización
5.8 Despliegue en plataformas: Desarrollo de software y hardware
5.9 Seguridad funcional y ciberseguridad
5.50 Ética y regulación en el despliegue de vehículos autónomos
6.6 Fundamentos de Robótica y Sistemas Autónomos
6.2 Arquitectura de Hardware y Software para Vehículos Autónomos
6.3 Sensores y Percepción Ambiental
6.4 Inteligencia Artificial y Aprendizaje Automático para la Conducción Autónoma
6.5 Planificación de Trayectorias y Control de Movimiento
6.6 Diseño de Sistemas de Seguridad y Validación
6.7 Integración y Gestión de Datos en Vehículos Autónomos
6.8 Aplicaciones Prácticas y Casos de Estudio
6.9 Simulación y Pruebas en Entornos Virtuales
6.60 Consideraciones Éticas y Regulatorias
7.7 Simulación y entornos de prueba de vehículos autónomos
7.2 Metodologías de prueba en carretera y en laboratorio
7.3 Desarrollo de software para la autonomía vehicular
7.4 Integración de hardware y software
7.7 Despliegue de vehículos autónomos en entornos reales
7.6 Gestión de datos y análisis de rendimiento
7.7 Escalabilidad y optimización de sistemas
7.8 Consideraciones de seguridad y mitigación de riesgos
7.9 Regulaciones y cumplimiento normativo
7.70 Casos de estudio de implementación exitosa
8.8 Diseño de la arquitectura y sistemas para la implementación de VAUs
8.8 Estrategias de escalabilidad en la infraestructura de VAUs
8.3 Optimización de algoritmos para la eficiencia en VAUs
8.4 Gestión de recursos computacionales y energéticos en VAUs
8.5 Implementación de sistemas de seguridad y ciberseguridad en VAUs
8.6 Desarrollo de pruebas y validación de sistemas a escala
8.7 Integración de VAUs con sistemas de transporte existentes
8.8 Análisis de impacto y sostenibilidad de la implementación de VAUs
8.8 Modelado y simulación para la optimización y escalabilidad de VAUs
8.80 Estrategias de despliegue y despliegue a gran escala de VAUs
9.9 Diseño de Sistemas de Vehículos Autónomos Urbanos (VAUs)
9.9 Fundamentos de Navegación y Posicionamiento
9.3 Sensores y Sistemas de Percepción para Seguridad
9.4 Arquitectura de Seguridad Funcional en VAUs
9.5 Ciberseguridad y Protección de Datos en VAUs
9.6 Diseño de Interfaz Humano-Vehículo (HMI)
9.7 Normativas y Estándares de Seguridad para VAUs
9.8 Validación y Verificación del Diseño de Seguridad
9.9 Modelado y Simulación de Sistemas de Control VAU
9.9 Diseño de Controladores para Vehículos Autónomos
9.3 Simulación de Entornos Urbanos para Pruebas
9.4 Validación de Algoritmos de Control en Simulación
9.5 Técnicas de Validación de Software en VAUs
9.6 Pruebas Hardware-in-the-Loop (HIL)
9.7 Análisis de Rendimiento y Estabilidad del Control
9.8 Análisis de Fallos y Recuperación
3.9 Selección y Configuración de Sensores para VAUs
3.9 Procesamiento de Señales y Fusión de Datos Sensor
3.3 Algoritmos de Visión Artificial para VAUs
3.4 Aprendizaje Automático para Percepción en VAUs
3.5 Arquitecturas de Hardware para VAUs
3.6 Plataformas de Desarrollo y Software para VAUs
3.7 Optimización del Rendimiento en Tiempo Real
3.8 Diseño de Sistemas Embebidos
4.9 Fundamentos de Percepción en VAUs
4.9 Detección y Clasificación de Objetos
4.3 Planificación de Trayectorias para VAUs
4.4 Control de Movimiento en VAUs
4.5 Fusión de Datos de Sensores para Percepción
4.6 Control Predictivo Basado en Modelos
4.7 Estrategias de Toma de Decisiones en VAUs
4.8 Integración de Percepción, Planificación y Control
5.9 Metodologías de Desarrollo de Software para VAUs
5.9 Pruebas Unitarias, Integración y Sistema
5.3 Entornos de Prueba y Simulación para VAUs
5.4 Pruebas en el Mundo Real: Desafíos y Soluciones
5.5 Análisis de Resultados de Pruebas y Depuración
5.6 Métricas de Rendimiento y Evaluación
5.7 Despliegue de VAUs: Estrategias y Consideraciones
5.8 Escalabilidad y Mantenimiento de Sistemas VAUs
6.9 Robótica Móvil para VAUs
6.9 Fundamentos de Inteligencia Artificial para VAUs
6.3 Aprendizaje Profundo para VAUs
6.4 Aplicaciones de IA en Percepción y Planificación
6.5 Sistemas de Control y Actuadores para VAUs
6.6 Diseño de Sistemas Autónomos
6.7 Integración de Hardware y Software
6.8 Estudios de Caso de Aplicaciones en VAUs
7.9 Modelado y Representación del Entorno
7.9 Algoritmos de Planificación de Rutas
7.3 Toma de Decisiones Basada en Riesgos
7.4 Estrategias de Gestión de Conflictos
7.5 Sistemas de Toma de Decisiones Multiagente
7.6 Planificación a Corto y Largo Plazo
7.7 Optimización del Rendimiento en Toma de Decisiones
7.8 Implementación y Evaluación de Sistemas de Decisión
8.9 Diseño de la Arquitectura del Sistema VAU
8.9 Implementación de Software y Hardware
8.3 Optimización del Rendimiento y Eficiencia
8.4 Escalabilidad de Sistemas de VAUs
8.5 Gestión del Ciclo de Vida del Software
8.6 Integración con Infraestructura Existente
8.7 Estrategias de Mantenimiento y Actualización
8.8 Despliegue y Operación a Gran Escala
1.1 Introducción al proyecto final: Objetivos y alcance
1.2 Diseño de la arquitectura del sistema VAU
1.3 Selección y configuración de sensores
1.4 Implementación de algoritmos de navegación y planificación de rutas
1.5 Diseño de la interfaz de control y simulación
1.6 Pruebas de seguridad y validación del sistema
1.7 Integración del hardware y software del VAU
1.8 Despliegue y pruebas en entornos simulados
1.9 Evaluación del rendimiento y análisis de resultados
1.10 Conclusiones y presentación del proyecto
- Metodología hands-on: test-before-you-trust, design reviews, failure analysis, compliance evidence.
- Software (según licencias/partners): MATLAB/Simulink, Python (NumPy/SciPy), OpenVSP, SU2/OpenFOAM, Nastran/Abaqus, AMESim/Modelica, herramientas de acústica, toolchains de planificación DO-178C.
- Laboratorios SEIUM: banco de rotor a escala, vibraciones/acústica, EMC/Lightning pre-compliance, HIL/SIL para AFCS, adquisición de datos con strain gauging.
- Estándares y cumplimiento: EN 9100, 17025, ISO 27001, GDPR.
Capstone-type projects
Admissions, fees, and scholarships
- Perfil: Formación en Ingeniería Informática, Matemáticas, Estadística o campos relacionados; experiencia práctica en NLP y sistemas de recuperación de información valorada.
- Documentación: CV actualizado, expediente académico, SOP/ensayo de propósito, ejemplos de proyectos o código (opcional).
- Proceso: solicitud → evaluación técnica de perfil y experiencia → entrevista técnica → revisión de casos prácticos → decisión final → matrícula.
- Tasas:
- Pago único: 10% de descuento.
- Pago en 3 plazos: sin comisiones; 30% a la inscripción + 2 pagos mensuales iguales del 35% restante.
- Pago mensual: disponible con comisión del 7% sobre el total; revisión anual.
- Becas: por mérito académico, situación económica y fomento de la inclusión; convenios con empresas del sector para becas parciales o totales.
Consulta “Calendario & convocatorias”, “Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM
Do you have any questions?
Our team is ready to help you. Contact us, and we will respond as soon as possible.
F. A. Q
Frequently asked questions
Si, contamos con certificacion internacional
Sí: modelos experimentales, datos reales, simulaciones aplicadas, entornos profesionales, casos de estudio reales.
No es obligatoria. Ofrecemos tracks de nivelación y tutorización
Totalmente. Cubre e-propulsión, integración y normativa emergente (SC-VTOL).
Recomendado. También hay retos internos y consorcios.
Sí. Modalidad online/híbrida con laboratorios planificados y soporte de visados (ver “Visado & residencia”).