constituye un área avanzada de investigación enfocada en la integración de técnicas de Reinforcement Learning (RL) y Imitation Learning (IL) para optimizar el control predictivo mediante Model Predictive Control (MPC) híbrido en plataformas aéreas como helicópteros y sistemas eVTOL. Esta disciplina combina fundamentos de dinámica y control, aerodinámica y simulación CFD para mejorar la estabilidad y respuesta en maniobras, incorporando algoritmos adaptativos que cumplen con requisitos de certificación ARP4754A y seguridad operacional en entornos complejos y no lineales.
Los laboratorios asociados permiten la evaluación en entornos Hardware-in-the-Loop (HIL) y Software-in-the-Loop (SIL), con instrumentación para medición de vibraciones y análisis de EMC bajo normativas aplicables internacionalmente, garantizando trazabilidad conforme a estándares como DO-178C, DO-254 y regulación civil de aeronavegabilidad. La formación se orienta a roles clave como ingeniero de control, analista de sistemas de vuelo, experto en certificación, y especialista en integración de sistemas autónomos, promoviendo competencias para el desarrollo seguro de tecnologías híbridas y autónomas en la aviación moderna.
9.300 €
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 Naval Avanzada: RL/IL, MPC Híbrido y Estrategias de Seguridad Integral.
Requisitos recomendados: Se recomienda contar con conocimientos básicos en aerodinámica, control de sistemas y estructuras. El dominio del idioma inglés o español a nivel B2+/C1 es esencial para el aprovechamiento del curso. Se ofrecen programas de apoyo (bridging tracks) para aquellos que necesiten reforzar conocimientos previos.
1.1 Fundamentos de RL/IL para Ingeniería Naval: aprendizaje por refuerzo e imitación
1.2 MPC híbrido en sistemas navales: fusión de modelos, sensores y datos
1.3 Seguridad naval por diseño: ciberseguridad, integridad de sistemas y resiliencia
1.4 Entornos de simulación para RL/IL en plataformas navales: simulación de misiones y adversarios
1.5 Robustez y validación de políticas: pruebas en simulación y entornos controlados
1.6 Gestión de datos y MBSE/PLM para RL/IL en ingeniería naval
1.7 Arquitecturas de sensores y comunicaciones para RL/IL: fiabilidad, latencia y seguridad
1.8 Riesgo tecnológico y preparación: TRL/CRL/SRL aplicado a proyectos navales RL/IL
1.9 Propiedad intelectual, certificaciones y cumplimiento normativo para soluciones RL/IL y MPC
1.10 Caso práctico: go/no-go con matriz de riesgos para implementación RL/IL en sistemas navales
2.1 Fundamentos de sistemas híbridos en control naval: RL/IL y MPC
2.2 Arquitecturas de control híbrido para plataformas navales: integración RL/IL con MPC
2.3 Modelado y verificación de sistemas híbridos: MBSE, co-simulación y validación
2.4 Aprendizaje por refuerzo e imitación en entornos marítimos: transferencia y generalización
2.5 Seguridad, resiliencia y ciberseguridad en sistemas híbridos navales
2.6 Tolerancia a fallos y diseño de controles seguros para sistemas híbridos
2.7 Integración de sensores, actuadores y comunicaciones en entornos híbridos
2.8 Evaluación de rendimiento y métricas para control híbrido naval
2.9 Casos de estudio: implementación de control híbrido en buques, AUVs y plataformas offshore
2.10 Roadmap de desarrollo e implementación: TRL/CRL/SRL y cumplimiento normativo
3.1 Fundamentos de Defensa Cibernética Naval con RL/IL y MPC Híbrido: aprendizaje por refuerzo e imitación para detección, respuesta y blindaje de sistemas críticos
3.2 Arquitecturas de control seguras en buques con RL/IL y MPC híbrido: diseño adaptativo, redundancia y políticas de seguridad para operaciones navales
3.3 Amenazas cibernéticas en Ingeniería Naval del Futuro: RL/IL para predicción de incidentes y respuesta rápida, MPC híbrido para gestión de recursos
3.4 Diseño de defensas de red y sensores: RL/IL para detección de intrusiones y anomalías, MPC híbrido para control de flujo de datos y resiliencia
3.5 Blindaje de software y hardware naval: endurecimiento, RL/IL para respuestas automáticas ante ataques, MPC híbrido para redundancias y fail-safe
3.6 Resiliencia operativa y continuidad de servicio: RL/IL para toma de decisiones en crisis, MPC híbrido para reasignación de recursos y mantenimiento predictivo
3.7 Seguridad de comunicaciones navales: cifrado, autenticación y gestión de claves, RL/IL para reconfiguración en tiempo real, MPC híbrido para optimización de ancho de banda
3.8 Evaluación, pruebas y validación de defensa cibernética: TRL/CRL/SRL, entornos simulados y ejercicios de penetración integrando RL/IL y MPC híbrido
3.9 Cumplimiento normativo y certificaciones: IMO/ISPS, IEC 62443, NIST, procesos de certificación y time-to-market con enfoques RL/IL y MPC
3.10 Caso práctico: go/no-go con matriz de riesgos en defensa cibernética naval: escenarios de ataque, evaluación de impactos y decisiones de implementación usando RL/IL y MPC híbrido
4.1 Navegación Autónoma en buques: RL/IL para toma de decisiones de ruta, maniobra y evasión
4.2 MPC Híbrido para control de trayectoria, velocidad y estabilidad en entornos marinos
4.3 Seguridad de Ingeniería Naval: blindaje de sistemas, redundancia y resiliencia cibernética
4.4 Detección de amenazas y defensa proactiva: RL/IL para sensores, clasificación de objetivos y acción
4.5 Optimización de rutas y consumo: RL/IL y MPC Híbrido para eficiencia energética
4.6 Integración de sensores y actuadores: diseño modular, MBSE/PLM para change control
4.7 Ciberseguridad naval y protección de datos: criptografía, políticas de seguridad y gestión de incidentes
4.8 Gestión de riesgos y certificación de navegación autónoma: TRL/CRL/SRL y estándares aplicados
4.9 Arquitecturas de seguridad integral: defensa en profundidad, pruebas de penetración y hardening
4.10 Caso práctico: go/no-go con matriz de riesgos para despliegues de navegación autónoma
5.1 Introducción a la Optimización Naval: Marco de RL/IL y MPC Híbrido
5.2 Aprendizaje por Refuerzo e Imitación en Sistemas Navales
5.3 Control Predictivo basado en Modelos Híbridos en Ingeniería Naval
5.4 Implementación de RL/IL y MPC para la Seguridad Naval
5.5 Optimización de Rutas y Navegación Autónoma con RL/IL y MPC
5.6 Diseño de Sistemas Navales Seguros y Eficientes
5.7 Integración de RL/IL y MPC en la Protección Naval
5.8 Análisis de Riesgos y Seguridad en Ingeniería Naval
5.9 Estrategias de Optimización y Seguridad Integral
5.10 Casos de Estudio: Aplicaciones Prácticas de RL/IL, MPC y Seguridad Naval
6.1 Introducción a la Inteligencia Artificial en Ingeniería Naval: RL/IL y MPC Híbrido
6.2 Fundamentos de Aprendizaje por Refuerzo e Imitación para Sistemas Navales
6.3 Modelado Predictivo de Control Híbrido: Aplicaciones en Ingeniería Naval
6.4 Diseño de Sistemas Seguros: Implementación de RL/IL y MPC
6.5 Estrategias de Seguridad Integral: Protección de Activos Navales
6.6 Evaluación de Riesgos y Mitigación en Entornos Navales
6.7 Implementación de Ciberseguridad en Sistemas de Control Naval
6.8 Optimización de la Eficiencia y Seguridad Operacional
6.9 Integración de Tecnologías Avanzadas para la Defensa Naval
6.10 Estudio de Casos: Aplicaciones Prácticas y Desafíos en la Seguridad Naval
7.1 Introducción a la Optimización Naval: RL/IL y MPC Híbrido
7.2 Aprendizaje por Refuerzo e Imitación en Sistemas Navales
7.3 Control Predictivo Híbrido (MPC) en Aplicaciones Navales
7.4 Seguridad y Blindaje de Sistemas en Ingeniería Naval
7.5 Integración de RL/IL y MPC para la Optimización de Sistemas
7.6 Diseño de Sistemas Navales Seguros y Eficientes
7.7 Aplicaciones Prácticas: Casos de Estudio y Simulación
7.8 Evaluación de Riesgos y Estrategias de Mitigación
7.9 Implementación de Estrategias de Seguridad Integral
7.10 Optimización de la Ingeniería Naval: Un Enfoque Práctico
8.1 Fundamentos de RL/IL: Principios y aplicaciones en ingeniería naval
8.2 Modelado Predictivo de Control Híbrido (MPC): Diseño y optimización
8.3 Arquitectura de Sistemas Seguros: Diseño de sistemas resilientes
8.4 Implementación de RL/IL y MPC: Herramientas y técnicas
8.5 Integración de Seguridad en el Diseño: Análisis de riesgos y mitigación
8.6 Estrategias de Defensa Cibernética en Sistemas Navales
8.7 Análisis de Fallos y Recuperación: Estrategias de respuesta
8.8 Simulaciones y Pruebas: Validación de sistemas seguros
8.9 Legislación y Normativas de Seguridad Naval
8.10 Estudio de Casos: Aplicaciones reales y desafíos
9.1 Introducción a RL/IL: fundamentos y aplicaciones en ingeniería naval.
9.2 Aprendizaje por Refuerzo: algoritmos y estrategias para el control de sistemas navales.
9.3 Aprendizaje por Imitación: técnicas y métodos para el entrenamiento de agentes inteligentes.
9.4 Model Predictive Control (MPC) Híbrido: integración de modelos y datos en el control de sistemas.
9.5 Arquitectura y diseño de sistemas híbridos para ingeniería naval.
9.6 Seguridad en Ingeniería Naval: principios y prácticas para el diseño seguro.
9.7 Caso de estudio: aplicación de RL/IL y MPC Híbrido en la simulación de maniobras navales.
9.8 Herramientas y software para el desarrollo de sistemas inteligentes en ingeniería naval.
9.9 Desafíos y oportunidades en el campo de RL/IL y MPC Híbrido.
9.10 Futuro de la ingeniería naval: tendencias y avances tecnológicos.
10.1 Introducción a la Seguridad Naval con RL/IL y MPC
10.2 Fundamentos de Aprendizaje por Refuerzo e Imitación
10.3 Modelado Predictivo Basado en Control Híbrido (MPC) para Aplicaciones Navales
10.4 Identificación y Mitigación de Riesgos en Sistemas Navales
10.5 Implementación de RL/IL en la Detección de Amenazas
10.6 Diseño de Estrategias MPC para la Protección de Activos Navales
10.7 Simulación y Validación de Sistemas de Seguridad Naval
10.8 Análisis de Vulnerabilidades y Ciberseguridad Naval
10.9 Integración de RL/IL y MPC en la Operación Naval Segura
10.10 Caso de Estudio: Optimización de la Seguridad Naval
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