es fundamental para el desarrollo de sistemas avanzados de localización y mapeo en robots móviles autónomos, integrando tecnologías como LiDAR, visión computacional y algoritmos de planificación en planta. Este enfoque interdisciplinar aborda áreas esenciales como la fusión sensor-movimiento, control de trayectoria y optimización de docking de precisión, empleando modelos computacionales basados en Kalman Filters, Particle Filters y metodologías de SLAM simultáneo, compatibles con frameworks como ROS y sistemas de navegación inercial (INS). La combinación de estas técnicas garantiza robustez en entornos dinámicos y no estructurados, alineándose con estándares de seguridad y redundancia exigidos en aplicaciones industriales.
Las capacidades de laboratorio incluyen simulaciones HIL/SIL para validar algoritmos en tiempo real, adquisición y análisis de datos sensorios, y pruebas de integración EMC y vibración según normativa aplicable internacional. Además, la trazabilidad en seguridad se implementa conforme a directrices de gestión de riesgos y mejores prácticas en desarrollo software y hardware. Los profesionales formados pueden desempeñar roles como ingenieros de sistemas de navegación, especialistas en integración LiDAR, desarrolladores de software embebido, y responsables de certificación técnica, contribuyendo al avance de vehículos autónomos y sistemas colaborativos en la industria 4.0.
8.740 €
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.
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.
Requisitos Sugeridos: Se recomienda un entendimiento previo en aerodinámica, control de sistemas y estructuras. Nivel de idioma requerido: B2+/C1 en español o inglés. Se ofrecen “bridging tracks” (cursos de nivelación) para cubrir posibles deficiencias.
1.1 Introducción a la Navegación Robótica y SLAM: definición, alcance de AMR, diferencias entre SLAM, localización y mapeo
1.2 Sensores para SLAM: LiDAR y visión: principios, calibración y trade-offs
1.3 Fundamentos de SLAM: algoritmos clave (EKF-SLAM, Graph-SLAM, FastSLAM), fusión de sensores y manejo de datos
1.4 Planificación de trayectorias para AMR: conceptos de ruta, costos, restricciones dinámicas y estáticas; algoritmos comunes (A*, Dijkstra, RRT*)
1.5 Atraque y docking de precisión para AMR: definición, interfaces físico-mecánicas, control de llegada, tolerancias y pruebas
1.6 Arquitecturas de software para navegación robótica: ROS2, modularidad, comunicación entre nodos, tolerancia a fallos; MBSE/PLM para control de cambios
1.7 Validación y pruebas: TRL/CRL/SRL, entornos de simulación y pruebas en campo, métricas de rendimiento
1.8 Gestión de datos y Digital Thread: captura, almacenamiento, trazabilidad, versiones de modelos y reproducibilidad
1.9 IP, certificaciones y time-to-market en navegación robótica: protección de propiedad intelectual, normativas de seguridad y roadmap regulatorio
1.10 Case clinic: go/no-go con matriz de riesgos: escenario práctico para decidir continuar, con criterios de riesgo, impacto y probabilidad
2.1 AMR: definición, alcance y aplicaciones en puertos y aguas interiores
2.2 Sensores clave para AMR: LiDAR, visión artificial, IMU y sensores de proximidad
2.3 Fundamentos de SLAM para navegación AMR
2.4 Planificación de trayectorias: principios, restricciones y objetivos
2.5 Atraque y docking de precisión para AMR
2.6 Fusión de sensores: integración LiDAR + visión + IMU
2.7 Arquitecturas de software y plataformas: ROS/ROS 2, simulación y pruebas
2.8 Seguridad operativa y cumplimiento básico en entornos marítimos
2.9 Desafíos del entorno: reflectividad, agua, vibraciones y condiciones climáticas
2.10 Casos prácticos y evaluación inicial: ejercicios y criterios de go/no-go
3.1 Introducción a la robótica naval y sus componentes: visión general de sistemas, plataformas y flujos de datos
3.2 Principios de navegación autónoma en entornos marinos: sensores, control y toma de decisiones
3.3 Sensores clave en robótica naval: LiDAR, visión computacional, sonar y fusión de datos
3.4 Arquitecturas de control para AMR navales: procesamiento en borde, edge computing y comunicaciones
3.5 Propulsión, maniobrabilidad y docking en plataformas robóticas marinas
3.6 Integración de software, MBSE y PLM para proyectos de robótica naval
3.7 Seguridad operativa, normativas y certificaciones iniciales para sistemas autónomos marinos
3.8 Gestión de energía y térmica en sistemas robóticos navales
3.9 Casos de uso en puertos, plataformas offshore y defensa
3.10 Case clinic: go/no-go con matriz de riesgo para implementación de un sistema robótico naval
4.1 Fundamentos de Navegación Autónoma en AMR: conceptos, alcance y terminología
4.2 Arquitectura de sistemas para AMR: sensores (LiDAR, visión), procesamiento y actuadores
4.3 SLAM para AMR: fundamentos, 2D/3D, mapas y corrección de errores
4.4 LiDAR para navegación de AMR: resolución, alcance, FOV y fusión de datos
4.5 Visión artificial para AMR: detección de obstáculos, clasificación y percepción
4.6 Planificación de trayectorias: métodos (A*, D*, RRT), eficiencia y seguridad
4.7 Atraque y docking de AMR: alineación, guías y precisión de acoplamiento
4.8 Seguridad y validación: pruebas, métricas de rendimiento y normativas básicas
4.9 Simulación y entornos de prueba: ROS, Gazebo y simuladores para validación
4.10 Casos de uso en planta y evaluación de rendimiento: criterios go/no-go y ROI
5.1 Introducción a la Navegación Autónoma en Robots Móviles Autónomos (AMR)
5.2 Fundamentos de Sensores LiDAR para AMR
5.3 Visión Artificial y Cámaras en Navegación Robótica
5.4 Técnicas de SLAM (Simultaneous Localization and Mapping)
5.5 Planificación de Trayectorias y Control para AMR
5.6 Introducción al Docking y Atraque de Precisión en AMR
5.7 Integración y Calibración de Sensores para Navegación
5.8 Implementación de SLAM en Entornos Reales
5.9 Estrategias de Planificación para la Evitación de Obstáculos
5.10 Caso de Estudio: Aplicaciones Prácticas de Navegación AMR
6. 1 Introducción a la Navegación Robótica y los AMR.
6. 2 Principios de SLAM (Simultaneous Localization and Mapping) para AMR.
6. 3 Sensores LiDAR: Funcionamiento y aplicación en AMR.
6. 4 Visión Artificial: Cámaras, procesamiento de imágenes y aplicaciones en AMR.
6. 5 Sistemas de Planificación de Trayectorias para AMR.
6. 6 Conceptos básicos de Docking y atraque de AMR.
6. 7 Hardware y arquitectura de sensores en AMR.
6. 8 Integración de sensores: LiDAR, Visión y otras tecnologías.
6. 9 Ejemplos prácticos y casos de estudio de AMR en la industria.
6. 10 Fundamentos de programación y control de AMR.
7.1 Introducción a los Sensores en Navegación Robótica: LiDAR, Visión Artificial y sus Aplicaciones en AMR.
7.2 Fundamentos de SLAM (Simultaneous Localization and Mapping): Algoritmos, Tipos y Implementación.
7.3 Sensores LiDAR: Principios, Funcionamiento, Calibración y Procesamiento de Datos.
7.4 Visión Artificial: Cámaras, Procesamiento de Imágenes y Reconocimiento de Entornos.
7.5 Navegación Autónoma: Control de Movimiento, Planificación de Trayectorias y Evitación de Obstáculos.
7.6 Planificación de Trayectorias: Algoritmos de Búsqueda, Modelado del Entorno y Optimización.
7.7 Navegación Basada en Visión: Detección de Características, Seguimiento y Localización Visual.
7.8 Integración de Sensores: Fusión de Datos LiDAR y Visión para una Navegación Robusta.
7.9 Aplicaciones Prácticas: Implementación de SLAM y Navegación en Entornos Simulados y Reales.
7.10 Docking de Precisión: Diseño y Control para el Atraque Automatizado de AMR.
8.1 Introducción a la Navegación Autónoma en Robots Móviles (AMR)
8.2 Sensores Clave para Navegación: LiDAR, Cámaras, IMU y Odometría
8.3 Principios de SLAM (Simultaneous Localization and Mapping)
8.4 Funcionamiento del LiDAR: Alcance, Resolución y Patrones de Escaneo
8.5 Fundamentos de Visión Artificial: Cámaras, Procesamiento de Imágenes y Detección de Objetos
8.6 Integración de Sensores: Fusión de Datos y Calibración
8.7 Sistemas de Referencia y Coordenadas en Navegación
8.8 Introducción a la Planificación de Trayectorias: Conceptos Básicos
8.9 Principios de Docking: Métodos y Técnicas Iniciales
8.10 Caso de Estudio: Aplicaciones de AMR en Entornos Reales
9.1 Introducción a la Robótica Móvil Autónoma (AMR)
9.2 Fundamentos de Simultaneous Localization and Mapping (SLAM)
9.3 Principios de la Tecnología LiDAR
9.4 Introducción a la Visión Artificial para Robótica
9.5 Sensores y Percepción en AMR
9.6 Sistemas de Referencia y Coordenadas
9.7 Diseño de un AMR: Componentes Clave
9.8 Software y Frameworks para Robótica (ROS, etc.)
9.9 Arquitectura de un Sistema de Navegación Autónoma
9.10 Casos de Uso y Aplicaciones de AMR
10.1 Introducción a la Navegación Robótica Autónoma y sus Desafíos
10.2 Principios Fundamentales de SLAM (Simultaneous Localization and Mapping)
10.3 Tipos de Sensores: LiDAR (Light Detection and Ranging) – Principios y Funcionamiento
10.4 Sensores de Visión: Cámaras, Tipos, Principios y Calibración
10.5 Preprocesamiento de Datos LiDAR: Filtrado, Ruido y Transformación
10.6 Preprocesamiento de Datos de Visión: Filtros, Detección de Características y Segmentación
10.7 Implementación de SLAM con LiDAR: Algoritmos y Flujos de Trabajo
10.8 Implementación de SLAM con Visión: Algoritmos y Flujos de Trabajo
10.9 Combinación de Datos LiDAR y Visión para SLAM: Fusión de Sensores
10.10 Prácticas y Simulaciones: Configuración y uso de entornos ROS (Robot Operating System)
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”).