es fundamental para optimizar la interacción hombre-máquina en sistemas ADS con conducción supervisada, incluyendo gestión avanzada del handover, confianza del usuario y explicabilidad de algoritmos. Este campo integra áreas técnicas como control adaptativo, percepción multisensorial, interfaces hápticas y algoritmos de confianza basados en modelos predictivos, aplicando metodologías como SIL, HIL y simulación en tiempo real para validar la transición segura entre modos autónomo y manual. Además, se utilizan herramientas de machine learning interpretables, diseño ergonómico influenciado por normativas como ISO 9241 y frameworks de certificación funcional acorde a los estándares internacionales.
Las capacidades del laboratorio incluyen pruebas de interoperabilidad de sensores LiDAR, radar y cámaras, monitorización en tiempo real con adquisición de datos avanzada y análisis de fallos en entornos simulados, garantizando trazabilidad conforme a ISO 26262 y normativa aplicable internacional para seguridad funcional en vehículos autónomos. El alineamiento con estándares promueve la formación de roles especializados como ingeniero de sistemas ADAS, especialista en validación HMI, analista de seguridad funcional, desarrollador de software embebido y auditor de cumplimiento normativo, fortaleciendo el sector con perfiles multidisciplinares orientados a la movilidad automatizada.
8.100 €
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.
6. Ingeniería HMI en Vehículos Autónomos (Niveles 2-4): Entrega, Confianza, Explicación y Conducción Asistida
**Requisitos Recomendados:** Se aconseja tener conocimientos básicos en aerodinámica, control automático y estructuras. Se requiere un nivel de idioma Español/Inglés B2+/C1. Se proporcionan programas de apoyo (bridging tracks) para aquellos que lo necesiten.
1.1 Definición y alcance de HMI en Vehículos Autónomos
1.2 Niveles de autonomía (L2-L4) y sus implicaciones para el diseño de HMI
1.3 Principios de usabilidad, seguridad y experiencia del usuario en HMI
1.4 Arquitectura de HMI: componentes, flujos de información y integración con sensores y control
1.5 Handover entre conductor y sistema: conceptos, criterios y señales de alerta
1.6 Confianza y credibilidad en HMI: indicadores de fiabilidad y consistencia
1.7 Explicabilidad y transparencia de las decisiones del sistema
1.8 Supervisión y carga cognitiva: roles del conductor y del sistema
1.9 Seguridad, privacidad y cumplimiento normativo en HMI de vehículos autónomos
1.10 Caso de estudio: análisis de un escenario L2-L4 y evaluación de la HMI
2.1 Diseño de HMI: Handover y Confianza — Fundamentos del handover y construcción de confianza en L2-L4
2.2 Transferencia de control: criterios de handover entre sistema y conductor y ventanas de oportunidad
2.3 Medición de confianza: métricas de credibilidad, previsibilidad y percepción de fiabilidad
2.4 Explicabilidad: estrategias para explicar acciones y decisiones del sistema durante la transferencia
2.5 Supervisión humana: roles, carga de trabajo y límites de intervención en conducción
2.6 Claridad de mensajes: diseño de alertas, indicadores y feedback para una respuesta rápida
2.7 Flujo de información: arquitectura de HMI y gestión de datos durante la transferencia de control
2.8 Evaluación de usabilidad: pruebas centradas en experiencia de handover y confianza del usuario
2.9 Seguridad en la transferencia de control: mitigación de fallos, modos de fallback y resiliencia
2.10 Caso práctico: escenarios de handover y evaluación de confianza mediante matriz de riesgos
3.1 Transferencia entre conductor y sistema: protocolos de handover, condiciones de activación y métricas de confianza
3.2 Explicación de decisiones en HMI: criterios, trazabilidad y nivel de detalle según contexto y usuario
3.3 Supervisión operativa: monitorización del estado del sistema, carga de atención y alertas
3.4 Gestión de fallos y recuperación: transiciones seguras, modos de fallback y mensajes de recuperación
3.5 Explicabilidad adaptativa: comunicación de cambios y explicaciones ajustadas a diferentes habilidades del usuario
3.6 Auditoría y trazabilidad de la supervisión: logs, revisión de decisiones y cumplimiento de estándares
3.7 Transferencia de control entre modos L2-L4: criterios de activación/desactivación y límites de autonomía
3.8 Señales de confianza en la HMI: señales visuales, auditivas y hápticas para confirmar transferencias y acciones
3.9 Capacitación de HMI: simulaciones de transferencia, ejercicios de explicabilidad y prácticas de supervisión
3.10 Caso clínico: go/no-go con matriz de riesgos: evaluación, decisión y acciones de mitigación
4.1 Cesión de control: criterios de handover, señales de transición y condiciones para pasar de autonomía a supervisión en L2-L4
4.2 Seguridad en HMI: estrategias para prevenir errores de transferencia, modos seguros y límites de confianza
4.3 Comprensión del usuario: claridad de mensajes, iconografía y explicabilidad de las acciones del sistema
4.4 Diseño de interfaces para supervisión: disposición de dashboards, consistencia visual y indicadores de rendimiento
4.5 Fiabilidad de la HMI: redundancias, pruebas de robustez y registro/traçabilidad de decisiones
4.6 Supervisión y dirección asistida: herramientas para intervención humana y criterios de intervención en escenarios de fallo
4.7 Transferencia de contexto entre niveles de autonomía (L2-L4): preservación de información relevante y límites operativos durante el handover
4.8 Credibilidad y explicabilidad de IA: métricas de confianza, transparencia de algoritmos y justificación de decisiones
4.9 Seguridad de acceso y control: autenticación, gestión de roles, permisos y control de cambios
4.10 Case clinic: go/no-go con matriz de riesgo para decisiones de diseño HMI en L2-L4
5.1 Handover en HMI Autónoma: Conceptos y desafíos
5.2 Introducción a los niveles de autonomía L5-L4
5.3 Fundamentos de la interfaz hombre-máquina (HMI)
5.4 El papel de la HMI en la seguridad y la experiencia del usuario
5.5 Tecnologías clave en HMI para vehículos autónomos
6.1 Handover: Fundamentos y mejores prácticas en la transferencia de control.
6.2 Confianza: Construyendo la confianza del usuario en sistemas autónomos.
6.3 Conducción Asistida: Sistemas de asistencia y su integración en la HMI.
6.4 Diseño de interfaces: Principios de diseño centrados en el usuario para la transferencia efectiva.
6.5 Seguridad: Consideraciones de seguridad en la interfaz de usuario para vehículos autónomos.
6.6 Explicabilidad: Diseño de sistemas explicables para mejorar la confianza.
6.7 Handover en escenarios complejos: Adaptación de la interfaz a diferentes niveles de autonomía.
6.8 Validación y pruebas: Métodos de validación para sistemas HMI.
6.9 Handover y factores humanos: Consideraciones de factores humanos en la transferencia.
6.10 Futuro de HMI: Tendencias emergentes en la interfaz de usuario para vehículos autónomos.
7.1 Introducción a la HMI en vehículos autónomos (L2-L4)
7.2 Evolución y tendencias en HMI para vehículos autónomos
7.3 Marco regulatorio y estándares de la industria
7.4 Roles y responsabilidades del conductor y el sistema
7.5 Arquitectura general de la HMI autónoma
8.1 Handover: Principios y Diseño para una Transferencia Fluida
8.2 Fiabilidad: Diseño de Sistemas HMI Robustos y Confiables
8.3 Explicación: Técnicas para Mejorar la Explicabilidad del Sistema
8.4 Conducción Asistida: Integración de HMI para una Experiencia Segura
8.5 Diseño Centrado en el Usuario: Principios y Metodologías
8.6 Pruebas y Validación de HMI: Garantía de Calidad y Rendimiento
8.7 Handover Contextual: Adaptación a Diferentes Escenarios
8.8 Fiabilidad Humana: Factores que Afectan la Confianza del Usuario
8.9 Explicación Visual: Diseño de Interfaces Intuitivas
8.10 Conducción Asistida: Retos y Soluciones en la Interfaz del Usuario
9.1 Handover: Conceptos y Protocolos en la Interacción Humano-Máquina
9.2 Diseño de Interfaz para Facilitar la Transferencia de Control
9.3 Niveles de Confianza en Sistemas de Conducción Autónoma
9.4 Factores que Influyen en la Confianza del Usuario
9.5 Estrategias para Mejorar la Confianza en la HMI
9.6 Explicabilidad: Comunicación de Decisiones del Sistema
9.7 Conducción Supervisada: El Rol del Conductor en el Proceso
9.8 Evaluación y Validación de Sistemas HMI
9.9 Casos Prácticos y Estudios de Caso
9.10 Futuro de la HMI: Tendencias y Desafíos
10.1 Introducción al Handover en Sistemas de Conducción Autónoma (L2-L4)
10.2 Diseño de Interfaz de Usuario (UI) para Handover: Mejores Prácticas
10.3 Handover: Estrategias para Transiciones Fluidas entre el Sistema y el Conductor
10.4 Handover: Pruebas y Validación de la Funcionalidad de Transferencia
10.5 Confianza en la Conducción Autónoma: Factores Clave
10.6 Diseño de la Interfaz de Usuario (UI) para la Confianza
10.7 Medición y Evaluación de la Confianza del Usuario
10.8 Handover y Confianza: Casos de Estudio y Aplicaciones
10.9 Handover y Confianza: Retos y Futuro de la Industria
10.10 Proyecto Final: Desarrollo y Evaluación de un Sistema HMI para Handover y Confianza
Director Académico del DSD — SEIUM Design & Industrial Design Institute
Profesor de Diseño Industrial, Diseño de Vehículos, Transportation Design, UX/HMI, Color & Trim, Iluminación y Desarrollo de Producto
El Prof. Luca Benedetti, de nacionalidad italiana, es Director Académico del DSD — SEIUM Design & Industrial Design Institute y responsable de diseño industrial, de producto y vehículos, experiencia de usuario, interacción persona-máquina, interfaces HMI, Color & Trim y prototipado.
Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute
Profesor de Robótica, Automatización Inteligente, Sistemas Autónomos, Percepción Artificial, Control Avanzado y Mecatrónica.
El Prof. Kenji Takahashi, de nacionalidad japonesa, es Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute y responsable de robótica industrial, robots móviles, mecatrónica, control avanzado, percepción artificial, navegación e inteligencia embebida y autónoma.
Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute
Profesora de Inteligencia Artificial, Ciencia de Datos, Ingeniería de Datos, MLOps, Simulación, Gemelos Digitales y Computación Científica
La Dra. Lucía Hernández Vega, de nacionalidad española, es Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute y responsable de inteligencia artificial, ciencia e ingeniería de datos, visión artificial, IA generativa, MLOps y gemelos digitales.
Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute
Profesor de Electrónica, Sistemas Embebidos, Telecomunicaciones, Diseño de Hardware, FPGA, IoT y Sistemas de Tiempo Real
El Dr. Kevin O’Connor, de nacionalidad irlandesa, es Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute y responsable de electrónica, sistemas embebidos, telecomunicaciones, diseño de circuitos, microcontroladores, FPGA, IoT y desarrollo de hardware electrónico.
Director Académico del SNO — SEIUM Naval & Offshore Institute
Profesor de Arquitectura Naval, Ingeniería Marítima, Sistemas de Propulsión, Construcción Naval e Ingeniería Offshore
El Dr. Javier Ferrer Salvatierra, de nacionalidad española, es Director Académico del SNO — SEIUM Naval & Offshore Institute y responsable de arquitectura naval, ingeniería marítima, construcción, propulsión, sistemas auxiliares, ingeniería offshore, seguridad y descarbonización marítima.
Directora Académica del RSC — SEIUM Rail & Smart Cities Institute
Profesora de Ingeniería Ferroviaria, Señalización, Movilidad Urbana, Infraestructuras Inteligentes y Sistemas de Transporte
La Dra. Isabel Martín Robles, de nacionalidad española, es Directora Académica del RSC — SEIUM Rail & Smart Cities Institute y profesora responsable de las áreas de ingeniería ferroviaria, señalización, sistemas de control del tráfico, movilidad urbana, transporte inteligente, infraestructuras conectadas y planificación de ciudades inteligentes.
Director Académico del SEN — SEIUM Energy & Networks Institute
Profesor de Sistemas Eléctricos de Potencia, Smart Grids, Energías Renovables, Almacenamiento y Digitalización de Redes
El Dr. Carlos Navarro Sanz, de nacionalidad española, es Director Académico del SEN — SEIUM Energy & Networks Institute y responsable de sistemas eléctricos, redes inteligentes, renovables, almacenamiento, operación, protecciones, subestaciones, digitalización y planificación energética.
Director Académico del Departamento PTW — Motorcycle & Two-Wheel Engineering
Profesor de Ingeniería de Motocicletas, Dinámica de Vehículos de Dos Ruedas, Chasis, Suspensiones y Sistemas de Propulsión
El Prof. Hiroshi Nakamura, de nacionalidad japonesa, es Director Académico del Dpto. de Motorcycle & Two-Wheel Engineering — PTW de SEIUM y responsable de ingeniería de motocicletas, dinámica, chasis, suspensiones, propulsión térmica y eléctrica, telemetría y validación experimental.
Director Académico del SAS — SEIUM Aero & Space Institute
Profesor de Ingeniería Aeroespacial, Helicópteros, Tiltrotor, eVTOL, Aviónica y Sistemas de Vuelo
El Dr. James Whitmore, de nacionalidad británica, es Director Académico del SAS — SEIUM Aero & Space Institute y responsable de ingeniería aeroespacial, diseño de aeronaves, helicópteros, eVTOL, movilidad aérea, aviónica, control de vuelo, sistemas espaciales y certificación.
Director Académico del Departamento EMH — Electromobility, Batteries & Hydrogen
Profesor de Electromovilidad, Ingeniería de Baterías, Sistemas BMS, Electrónica de Potencia e Hidrógeno Aplicado a la Movilidad
El Dr. Markus Schneider, de nacionalidad alemana, es Director Académico del Dpto. de Electromobility, Batteries & Hydrogen — EMH de SEIUM y responsable de electromovilidad, baterías, BMS, electrónica de potencia, infraestructura de recarga e hidrógeno aplicado al transporte.
Director Académico del SEIUM MotorSport Institute — SMI
Profesor de Ingeniería Motorsport, Dinámica Vehicular, Aerodinámica de Competición y Race Performance Engineering
El Dr. Alessandro Moretti, de nacionalidad italiana, es Director Académico del SEIUM MotorSport Institute — SMI y responsable de ingeniería motorsport, dinámica vehicular, aerodinámica de competición, chasis, suspensiones, telemetría y optimización del rendimiento en pista.
Consulta “Calendario & convocatorias”, “Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM
Nuestro equipo está listo para ayudarte. Contáctanos y te responderemos lo antes posible.
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”).
Testimonios de clientes que avalan nuestra calificación