Diplomado en Percepción All-Weather y Adaptación de Dominio
Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Efectos meteorológicos en la percepción» a «Proyecto de percepción robusta», pasando por «Arquitecturas robustas multimodales».
Mapa del programa · pulsa un módulo
Módulo 1 · Efectos meteorológicos en la percepción
800 hDuración total
8Módulos
80Submódulos
OnlineModalidad
Competencias y resultados
6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.
Efectos meteorológicos en la percepción
Saldrás manejando física de la lluvia, la niebla y la nieve sobre la luz, atenuación y retrodispersión en LiDAR y comportamiento del radar con precipitación. Es lo que se trabaja en «Efectos meteorológicos en la percepción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Datasets y benchmarks adversos
Saldrás manejando ACDC, BDD100K y Foggy Cityscapes, datasets de radar en mal tiempo como RADIATE y DENSE y Seeing Through Fog. Es lo que se trabaja en «Datasets y benchmarks adversos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Simulación de condiciones adversas
Saldrás manejando modelos físicos de niebla y lluvia en imagen, simulación de LiDAR con partículas y renderizado de clima en CARLA. Es lo que se trabaja en «Simulación de condiciones adversas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Arquitecturas robustas multimodales
Saldrás manejando fusión cámara-radar para mal tiempo, cámaras térmicas en baja visibilidad y ponderación adaptativa de sensores. Es lo que se trabaja en «Arquitecturas robustas multimodales», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Incertidumbre y fuera de distribución
Saldrás manejando incertidumbre aleatoria y epistémica, ensembles y Monte Carlo dropout y calibración de la confianza. Es lo que se trabaja en «Incertidumbre y fuera de distribución», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Validación y seguridad funcional
Saldrás manejando ISO 21448 SOTIF y condiciones desencadenantes, diseño de escenarios meteorológicos y ensayos en cámara climática y en pista. Es lo que se trabaja en «Validación y seguridad funcional», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Explicar los efectos físicos de la meteorología sobre cámara, radar y LiDAR.
02Utilizar datasets y benchmarks de condiciones adversas.
03Generar datos sintéticos de mal tiempo con validez física.
04Aplicar técnicas de adaptación de dominio no supervisada.
05Diseñar arquitecturas multimodales robustas a la meteorología.
06Estimar la incertidumbre y detectar condiciones fuera de distribución.
07Validar la percepción conforme a SOTIF y al dominio operativo.
Plan de estudios
8 módulos, 80 submódulos, 800 h. Elige un módulo y ves su contenido completo.
1 de 8 módulos abiertos
Módulo 1 de 8 · 10 submódulos
Efectos meteorológicos en la percepción
1.1Física de la lluvia, la niebla y la nieve sobre la luz
1.2Atenuación y retrodispersión en LiDAR
1.3Comportamiento del radar con precipitación
1.4Deslumbramiento, contraluz y baja iluminación
1.5Gotas y suciedad sobre la óptica
1.6Calzada mojada y reflejos especulares
1.7Dominio operativo de diseño y condiciones ambientales
1.8Fallos documentados de ADAS con mal tiempo
1.9Visibilidad meteorológica y su medición
1.10Caso práctico: análisis de degradación con datos de lluvia
Módulo 2 de 8 · 10 submódulos
Datasets y benchmarks adversos
2.1ACDC, BDD100K y Foggy Cityscapes
2.2Datasets de radar en mal tiempo como RADIATE
2.3DENSE y Seeing Through Fog
2.4Anotación en condiciones adversas
2.5Métricas por condición y estratificación
2.6Sesgos de distribución geográfica y estacional
2.7Corrupciones sintéticas de referencia
2.8Versionado y trazabilidad de datos
2.9Metadatos meteorológicos y su captura
2.10Práctica: estratificación de un dataset por clima
Módulo 3 de 8 · 10 submódulos
Simulación de condiciones adversas
3.1Modelos físicos de niebla y lluvia en imagen
3.2Simulación de LiDAR con partículas
3.3Renderizado de clima en CARLA
3.4Traducción imagen a imagen con CycleGAN
3.5Modelos de difusión para aumentación
3.6Randomización de dominio
3.7Validación del realismo sintético
3.8Brecha entre simulación y realidad
3.9Simulación de nieve acumulada en calzada
3.10Laboratorio: generación de niebla sintética
Módulo 4 de 8 · 10 submódulos
Adaptación de dominio no supervisada
4.1Desplazamiento de covariables y de etiquetas
4.2Alineamiento adversarial de características
4.3Autoentrenamiento con pseudoetiquetas
4.4Normalización por lotes adaptativa
4.5Adaptación en tiempo de test
4.6Adaptación sin datos fuente
4.7Adaptación continua y olvido catastrófico
4.8Medida de la ganancia de adaptación
4.9Adaptación entre sensores de distinto fabricante
4.10Laboratorio: adaptación de un detector a niebla
Módulo 5 de 8 · 10 submódulos
Arquitecturas robustas multimodales
5.1Fusión cámara-radar para mal tiempo
5.2Cámaras térmicas en baja visibilidad
5.3Ponderación adaptativa de sensores
5.4Detección 3D robusta
5.5Segmentación semántica en nieve
5.6Eliminación de ecos de lluvia en nubes de puntos
5.7Mejora de imagen previa a la percepción
5.8Coste computacional en el vehículo
5.9Detección del estado de la calzada
5.10Práctica: fusión cámara-radar en nuScenes
Módulo 6 de 8 · 10 submódulos
Incertidumbre y fuera de distribución
6.1Incertidumbre aleatoria y epistémica
6.2Ensembles y Monte Carlo dropout
6.3Calibración de la confianza
6.4Detección de condiciones fuera de distribución
6.5Monitorización de la calidad de entrada
6.6Degradación controlada de funciones
6.7Umbrales y estrategias de rechazo
6.8Integración con el monitor de seguridad
6.9Estimación de la visibilidad efectiva
6.10Laboratorio: detector OOD para niebla densa
Módulo 7 de 8 · 10 submódulos
Validación y seguridad funcional
7.1ISO 21448 SOTIF y condiciones desencadenantes
7.2Diseño de escenarios meteorológicos
7.3Ensayos en cámara climática y en pista
7.4Cobertura del dominio operativo
7.5Reglamento ONU n.º 157 y su ODD
7.6Argumento de seguridad para mal tiempo
7.7Métricas de rendimiento por escenario
7.8Informe de validación
7.9Ensayos en instalaciones de niebla y lluvia controladas
7.10Caso práctico: plan de ensayos en niebla
Módulo 8 de 8 · 10 submódulos
Proyecto de percepción robusta
8.1Definición del ODD y de las condiciones objetivo
8.2Selección de datos reales y sintéticos
8.3Línea base del modelo
8.4Estrategia de adaptación de dominio
8.5Mecanismo de incertidumbre y OOD
8.6Evaluación estratificada por clima
8.7Argumento SOTIF del sistema
8.8Análisis de limitaciones
8.9Memoria y presentación
8.10Revisión final con el tutor
¿Cuánto me va a llevar?
Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 800 h del programa.
—meses a ese ritmo
—semanas por módulo
—frente a los 800 horas · 6 a 8 meses previstos
¿Qué nivel tienes ya?
Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.
Física de la lluvia, la niebla y la nieve sobre la luz
Módulo 1 · Efectos meteorológicos en la percepción
Versionado y trazabilidad de datos
Módulo 2 · Datasets y benchmarks adversos
Modelos de difusión para aumentación
Módulo 3 · Simulación de condiciones adversas
Alineamiento adversarial de características
Módulo 4 · Adaptación de dominio no supervisada
Detección del estado de la calzada
Módulo 5 · Arquitecturas robustas multimodales
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO 21448:2022 (SOTIF)ISO 26262:2018ISO 34503:2023Reglamento ONU n.º 157ISO/PAS 8800:2024UL 4600ISO 34502:2022
Cuerpo docente y expertos
Este programa se imparte en el área de Autónomos, ADAS & Vehículo Definido por Software, que dirige Dr. Markus Schneider. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.
Dr. Markus SchneiderDirector Académico del Departamento EMH — Electromobility, Batteries & Hydrogen.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.
1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
3Eliges modalidad de pago y reservas tu plazaPago único con descuento o entrada más cuotas mensuales. La matrícula de esta semana cierra el 27-11-2026.
¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Autónomos, ADAS & Vehículo Definido por Software?
¿Puedes mantener un ritmo de estudio constante durante 800 horas · 6 a 8 meses?
Responde las tres y te decimos por dónde seguir.
Requisitos de acceso
·Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria.
·Conexión a internet y un ordenador capaz de ejecutar el software del programa.
·Nivel de español suficiente para seguir lectura de normativa técnica.
Cómo se estudia
Formación 100 % online en el campus de SEIUM, con material descargable, clases grabadas y tutor técnico asignado. Sin horarios fijos: el alumno avanza a su ritmo dentro de la convocatoria, lo que permite compatibilizarlo con el trabajo.
Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. El software de trabajo es PyTorch, CARLA, MMDetection3D, Open3D, Weights & Biases, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de adaptación de un detector a niebla y lluvia, evaluación de fusión cámara-radar en mal tiempo, diseño de un plan de validación SOTIF por condición climática. La evaluación es continua por módulo más el proyecto integrador final.
Son 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «Efectos meteorológicos en la percepción» y cierra con «Proyecto de percepción robusta».
Se trabajan ISO 21448:2022 (SOTIF), ISO 26262:2018, ISO 34503:2023, Reglamento ONU n.º 157, ISO/PAS 8800:2024 y UL 4600.
Los perfiles más directos son Ingeniero de percepción, Investigador en visión por computador, Ingeniero de datos ADAS, Ingeniero de validación SOTIF y Especialista en machine learning.
En un pago son 1.432 €, sobre una tarifa de 1.790 €. A plazos, una entrada de 716 € y 6 cuotas de 179 €, 1.790 € en total, sin intereses: lo mismo que la tarifa.
Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria, Conexión a internet y un ordenador capaz de ejecutar el software del programa y Nivel de español suficiente para seguir lectura de normativa técnica.
El programa son 800 horas totales repartidas en 6 a 8 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.
Se trabaja con PyTorch, CARLA, MMDetection3D, Open3D, Weights & Biases. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.
Diploma propio de SEIUM al superar la evaluación continua y el proyecto integrador. Es formación propia, no un título oficial del Ministerio.
Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.
Inicio de clases: 22 de diciembre de 20261.432 €Matricularme
Antes de decidir
¿Qué sacarías tú de este diplomado?
No es lo mismo llegar aquí recién titulado que con diez años en el sector. Dinos de dónde vienes.
Qué te aportaPasar de la teoría de carrera al criterio de proyecto: qué norma aplica a cada parte del trabajo, qué criterios de aceptación se fijan antes de ejecutar y cómo se deja todo documentado.
Dónde vas a sudarEl módulo de normativa y evidencia documental, si todavía no has trabajado dentro de un proyecto real con auditoría de por medio.
Con qué salesCon una memoria técnica propia, sobre un caso real, que puedes poner encima de la mesa en una entrevista.
Qué te aportaFormalizar lo que ya haces por oficio: distinguir requisito obligatorio de buena práctica, justificar por escrito las decisiones técnicas y dejar el trabajo trazable.
Dónde vas a sudarPoco en contenido. El esfuerzo real está en el proyecto final y en su defensa.
Con qué salesCon el diplomado acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de Autónomos, ADAS & Vehículo Definido por Software y el marco normativo del ámbito desde cero, sin dar por sabido el vocabulario del sector.
Dónde vas a sudarLas primeras semanas, por terminología. A partir del segundo módulo se nivela.
Con qué salesCon un perfil de entrada acreditado en Autónomos, ADAS & Vehículo Definido por Software y un proyecto que demuestra que sabes aplicarlo.
¿Te va a dar la vida?
Calcula tu ritmo real
Son 800 horas. Mueve el control y mira cuánto tardarías tú de verdad.
—para terminar
¿Y esto para qué me sirve?
Marca lo que más te interesa
Elige hasta 3 módulos y te digo cuánto pesan en el programa y a qué perfiles prepara.
Perfiles a los que prepara
Ingeniero de percepción
Investigador en visión por computador
Ingeniero de datos ADAS
En automoción, conducción autónoma y robótica móvil.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Autónomos, ADAS & Vehículo Definido por Software con criterio de norma, no solo de intuición.
Saber justificar por escrito por qué tomaste una decisión técnica.
Terminar con una memoria técnica tuya, sobre un caso real.
Avanzar a tu ritmo, compatible con una jornada completa.
No, si buscas…
Un título rápido sin entregar trabajo propio.
Clases en directo con horario fijo: el programa es asíncrono.
Empezar mañana: las clases empiezan justo un mes después de matricularte.
Formación de taller o práctica presencial con maquinaria.
¿Te queda una duda?
Pregunta algo concreto
Escríbela aquí y la pasamos al formulario de contacto con la formación ya identificada.