Admisión abierta 2026-2027Rellenar solicitud

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.

Normas y estándares que vas a manejar

ISO 21448:2022 (SOTIF)ISO 34502:2022ISO 34503:2023ASAM OpenSCENARIOASAM OpenDRIVEASAM OSIISO/IEC 12113:2022 (glTF 2.0)UL 4600

Cuerpo docente y expertos

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 Vega Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
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 datos sintéticos
Ingeniero de visión artificial
Ingeniero de simulación de sensores
Ingeniero de validación ADAS
Artista técnico 3D
Ingeniero de percepción

Para quién es

Ingeniero de datos sintéticos
Ingeniero de visión artificial
Ingeniero de simulación de sensores
Ingeniero de validación ADAS
Artista técnico 3D
Ingeniero de percepción
Titulados en ingeniería o ciencias que busquen entrar en automoción

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

Áreas cercanas: todas las de Data, IA, Simulación & Analytics · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Autónomos, ADAS & Vehículo Definido por Software · Civil, Rail & Smart Cities · 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 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.

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 «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.

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 20261.192 € Matricularme
Contactar con Seium
Pago al contado1.192 €ahorras 298 €
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.