Diplomado en Ray-Tracing, Domain Randomization y Cobertura
Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Datos sintéticos para percepción» a «Proyecto de datos sintéticos y cobertura», pasando por «Cobertura de escenarios».
Mapa del programa · pulsa un módulo
Módulo 1 · Datos sintéticos para 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.
Datos sintéticos para percepción
Saldrás manejando necesidad de datos sintéticos, sensores de cámara, LiDAR y radar y anotación automática en simulación. Es lo que se trabaja en «Datos sintéticos para percepción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Ray-tracing y renderizado físico
Saldrás manejando ecuación de renderizado, path tracing y muestreo de Monte Carlo y BRDF y materiales físicos. Es lo que se trabaja en «Ray-tracing y renderizado físico», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Escenas y activos 3D
Saldrás manejando formatos OpenUSD y glTF, bibliotecas de activos y licencias y generación procedural de entornos. Es lo que se trabaja en «Escenas y activos 3D», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Cobertura de escenarios
Saldrás manejando espacio de parámetros del escenario, taxonomía de ODD según ISO 34503 y pruebas basadas en escenarios según ISO 34502. Es lo que se trabaja en «Cobertura de escenarios», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Simulación de sensores y percepción
Saldrás manejando modelos de ruido de cámara, distorsión y desenfoque de movimiento y simulación de LiDAR con reflectividad. Es lo que se trabaja en «Simulación de sensores y percepción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Evaluación y seguridad
Saldrás manejando métricas de detección y segmentación, evaluación por subconjuntos del ODD y pruebas de robustez a condiciones adversas. Es lo que se trabaja en «Evaluación y seguridad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Justificar el uso de datos sintéticos en sistemas de percepción.
02Aplicar técnicas de ray-tracing y renderizado basado en física.
03Construir escenas 3D con activos y formatos estándar.
04Diseñar estrategias de domain randomization eficaces.
05Medir la cobertura de escenarios respecto al dominio operacional.
06Simular sensores de cámara, LiDAR y radar con fidelidad controlada.
07Evaluar la contribución del dato sintético a la seguridad del sistema.
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
Datos sintéticos para percepción
1.1Necesidad de datos sintéticos
1.2Sensores de cámara, LiDAR y radar
1.3Anotación automática en simulación
1.4Brecha de dominio visual
1.5Tipos de escenas y entornos
1.6Motores de juego frente a simuladores dedicados
1.7Normas de escenarios ASAM
1.8Relación con el dominio operacional de diseño
1.9Indicadores de valor del dato sintético
1.10Taller: especificación de un generador de datos sintéticos
Módulo 2 de 8 · 10 submódulos
Ray-tracing y renderizado físico
2.1Ecuación de renderizado
2.2Path tracing y muestreo de Monte Carlo
2.3BRDF y materiales físicos
2.4Iluminación global e HDR
2.5Aceleración con BVH y RT Cores
2.6Denoising de imágenes renderizadas
2.7Simulación de efectos de cámara
2.8Ray-tracing para LiDAR y radar
2.9Rendimiento frente a fidelidad
2.10Laboratorio: render físico de una escena en Blender Cycles
Módulo 3 de 8 · 10 submódulos
Escenas y activos 3D
3.1Formatos OpenUSD y glTF
3.2Bibliotecas de activos y licencias
3.3Generación procedural de entornos
3.4Materiales y texturas PBR
3.5Peatones y vehículos animados
3.6Condiciones meteorológicas y de iluminación
3.7Gestión de escenas a gran escala
3.8Validación geométrica de activos
3.9Escenarios desde datos reales
3.10Práctica: escena procedural con NVIDIA Omniverse Replicator
Módulo 4 de 8 · 10 submódulos
Domain randomization
4.1Aleatorización de texturas e iluminación
4.2Aleatorización de posiciones y oclusiones
4.3Aleatorización de parámetros de sensor
4.4Aleatorización estructurada por contexto
4.5Aleatorización guiada por el rendimiento
4.6Rangos y distribuciones de parámetros
4.7Equilibrio entre realismo y variedad
4.8Transferencia a datos reales
4.9Ablaciones de factores aleatorizados
4.10Laboratorio: detector entrenado con domain randomization
Módulo 5 de 8 · 10 submódulos
Cobertura de escenarios
5.1Espacio de parámetros del escenario
5.2Taxonomía de ODD según ISO 34503
5.3Pruebas basadas en escenarios según ISO 34502
5.4Métricas de cobertura de situaciones
5.5Casos límite y eventos raros
5.6Muestreo adaptativo de escenarios críticos
5.7Combinatoria y pruebas por pares
5.8Cobertura de la distribución de datos
5.9Trazabilidad de escenarios a requisitos
5.10Práctica: matriz de cobertura de un ODD urbano
Módulo 6 de 8 · 10 submódulos
Simulación de sensores y percepción
6.1Modelos de ruido de cámara
6.2Distorsión y desenfoque de movimiento
6.3Simulación de LiDAR con reflectividad
6.4Radar y modelos de sección eficaz
6.5Interfaz ASAM OSI
6.6Simuladores CARLA e Isaac Sim
6.7Validación de modelos de sensor simulados
6.8Sincronización multisensor en simulación
6.9Rendimiento en tiempo real
6.10Caso práctico: simulación de un LiDAR en CARLA
Módulo 7 de 8 · 10 submódulos
Evaluación y seguridad
7.1Métricas de detección y segmentación
7.2Evaluación por subconjuntos del ODD
7.3Pruebas de robustez a condiciones adversas
7.4SOTIF y situaciones desencadenantes
7.5Argumentos de suficiencia de datos
7.6Gobierno del dataset sintético
7.7Documentación del generador
7.8Integración en pipelines de validación
7.9Limitaciones del dato sintético
7.10Caso práctico: evidencia de cobertura para un sistema ADAS
Módulo 8 de 8 · 10 submódulos
Proyecto de datos sintéticos y cobertura
8.1Definición del ODD y requisitos
8.2Construcción de escenas y activos
8.3Configuración del renderizado
8.4Estrategia de domain randomization
8.5Generación y anotación del dataset
8.6Entrenamiento y evaluación del modelo
8.7Análisis de cobertura de escenarios
8.8Conclusiones sobre la brecha real
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.
Relación con el dominio operacional de diseño
Módulo 1 · Datos sintéticos para percepción
Aceleración con BVH y RT Cores
Módulo 2 · Ray-tracing y renderizado físico
Bibliotecas de activos y licencias
Módulo 3 · Escenas y activos 3D
Ablaciones de factores aleatorizados
Módulo 4 · Domain randomization
Muestreo adaptativo de escenarios críticos
Módulo 5 · Cobertura de escenarios
Marca los cinco conceptos y te damos tu resultado.
Este programa se imparte en el área de Data, IA, Simulación & Analytics, que dirige Dra. Lucía Hernández Vega. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.
Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
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 Data, IA, Simulación & Analytics?
¿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 NVIDIA Omniverse Replicator, CARLA, Blender, NVIDIA Isaac Sim, Unreal Engine, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de generación de datos sintéticos para detección de objetos, entrenamiento con aleatorización de dominio, análisis de cobertura de escenarios de conducción. 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 «Datos sintéticos para percepción» y cierra con «Proyecto de datos sintéticos y cobertura».
Se trabajan ISO 21448:2022 (SOTIF), ISO 34502:2022, ISO 34503:2023, ASAM OpenSCENARIO, ASAM OpenDRIVE y ASAM OSI.
Los perfiles más directos son Ingeniero de datos sintéticos, Ingeniero de visión artificial, Ingeniero de simulación de sensores, Ingeniero de validación ADAS y Artista técnico 3D.
En un pago son 1.192 €, sobre una tarifa de 1.490 €. A plazos, una entrada de 596 € y 6 cuotas de 149 €, 1.490 € 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 NVIDIA Omniverse Replicator, CARLA, Blender, NVIDIA Isaac Sim, Unreal Engine. 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 20261.192 €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 Data, IA, Simulación & Analytics 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 Data, IA, Simulación & Analytics 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 datos sintéticos
Ingeniero de visión artificial
Ingeniero de simulación de sensores
En automoción, robótica y drones.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Data, IA, Simulación & Analytics 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.