Admisión abierta 2026-2027Rellenar solicitud

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 Schneider Dr. Markus SchneiderDirector Académico del Departamento EMH — Electromobility, Batteries & Hydrogen.
Dr. Kevin O’Connor Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji Takahashi Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.

El claustro completo y los once institutos, con sus líneas de trabajo, están en institutos SEIUM y en liderazgo y consejo asesor.

Dónde se trabaja con esto

Perfiles a los que da acceso el programa.

Ingeniero de percepción
Investigador en visión por computador
Ingeniero de datos ADAS
Ingeniero de validación SOTIF
Especialista en machine learning
Ingeniero de simulación

Para quién es

Ingeniero de percepción
Investigador en visión por computador
Ingeniero de datos ADAS
Ingeniero de validación SOTIF
Especialista en machine learning
Ingeniero de simulación
Titulados en ingeniería o ciencias que busquen entrar en automoción

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Cómo se diseña un sistema ADAS seguro: de la percepción a la actuación · Diseño de arquitecturas de percepción multimodal para robots y vehículos.

Áreas cercanas: todas las de Autónomos, ADAS & Vehículo Definido por Software · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Civil, Rail & Smart Cities · Data, IA, Simulación & Analytics · Defensa, Ingeniería Militar & Sistemas Terrestres (enfoque académico, legal y ético) · Diseño, HMI & Producto · Electromovilidad, Baterías & Hidrógeno (Movilidad) · todas las facultades.

Opiniones de alumnos

Opiniones verificadas de alumnos de SEIUM, recogidas en Opynio.

Ver reseñas completas

De la solicitud al aula, sin esperas

  1. 1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
  2. 2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
  3. 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.

El proceso completo, con documentación, plazos, convalidaciones y becas, está en admisión, cómo aplicar y becas y ayudas.

Comprueba tu acceso en tres respuestas

¿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.

Las modalidades, el calendario y las tasas son comunes a todos los programas: modalidades, calendario académico y tasas y financiación.

Preguntas frecuentes

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.

Las dudas comunes a todos los programas (titulación, convalidaciones, visado, idiomas) están resueltas en preguntas frecuentes, equivalencias y convalidaciones e idiomas.

Inicio de clases: 22 de diciembre de 20261.432 € Matricularme
Contactar con Seium
Pago al contado1.432 €ahorras 358 €
Reservar plaza
Seium - Universidad de ingeniería avanzada
Resumen de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.