Máster en Sensores y Sistemas de Navegación Autónoma

1.1. Introducción a los sistemas de navegación autónoma: niveles de autonomía (SAE J3016), componentes clave y estado del arte

1.2. Cinemática de vehículos terrestres: modelos holonómicos, no holonómicos, tracción diferencial, dirección Ackermann y tracción mangueta

1.3. Cinemática y dinámica de aeronaves no tripuladas (UAS multirotores y ala fija) y vehículos submarinos (AUV)

1.4. Transformaciones geométricas en el espacio tridimensional: matrices de rotación, ángulos de Euler y cuaterniones

1.5. Sistemas de coordenadas globales y locales: WGS84, ECEF, ENU, NED y marcos de referencia fijados al vehículo (Body Frame)

1.6. Dinámica vehicular: fuerzas de tracción, fricción neumático-terreno, transferencia de peso y estabilidad en curvas

1.7. Sistemas de actuación y control de bajo nivel: motores paso a paso, servomotores, control PWM y variadores de frecuencia

1.8. Arquitectura del marco de trabajo ROS/ROS2 (Robot Operating System): nodos, temas, servicios, acciones y middleware DDS

1.9. Simulación física de vehículos y entornos dinámicos mediante Gazebo, Isaac Sim y Carla Simulator

1.10. Evaluación del rendimiento cinemático, latencia de procesamiento y consumo energético en plataformas embebidas

1.1. Principios de funcionamiento de Unidades de Medición Inercial (IMU): acelerómetros, giroscopios y magnetómetros MEMS

1.2. Caracterización de errores en sensores inerciales: bias, deriva, ruido blanco, caminata aleatoria y calibración estática/dinámica

1.3. Sistemas de Posicionamiento Global por Satélite (GNSS): GPS, GLONASS, Galileo, BeiDou y señales multifrecuencia

1.4. Fuentes de error en GNSS y técnicas de corrección: DGPS, RTK (Real-Time Kinematic) y PPP (Precise Point Positioning)

1.5. Odometría de ruedas: codificadores ópticos y magnéticos (encoders), cálculo de desplazamiento y acumulación de error odométrico

1.6. Sistemas de Navegación Inercial (INS) y mecanización inercial para la estimación continua de posición, velocidad y actitud (PVA)

1.7. Fusión apretada y laxa (Tightly-Coupled / Loosely-Coupled) entre sistemas GNSS e INS

1.8. Magnetometría y brújulas electrónicas: compensación de hierro dulce y hierro duro en estructuras metálicas

1.9. Altímetros barométricos, sensores ultrasónicos de distancia y sensores de flujo óptico para navegación de baja altitud

1.10. Redundancia de sensores de posicionamiento para operaciones en zonas con desvanecimiento o suplantación de señal GPS

3.1. Sensores de imagen para navegación autónoma: tecnologías CMOS, CCD, cámaras de eventos, obturador global (Global Shutter) y rango dinámico (HDR)

3.2. Calibración geométrica y fotométrica de cámaras: modelo de cámara estenopeica (Pinhole), distorsión radial/tangencial y matrices intrínsecas/extrínsecas

3.3. Visión estereoscópica: geometría epipolar, rectificación de imágenes, cálculo de disparidad y mapas de profundidad 3D

3.4. Procesamiento elemental de imágenes para navegación: detección de bordes, líneas de carril, flujo óptico y seguimiento de puntos característicos (SIFT, ORB)

3.5. Segmentación semántica e instancia en tiempo real mediante Redes Neuronales Convolucionales (CNN) aplicadas a la conducción (YOLO, Mask R-CNN)

3.6. Detección y clasificación de obstáculos, peatones, señales de tráfico y otros vehículos en condiciones variables de iluminación

3.7. Estima del movimiento mediante odometría visual (VO) monocular, estéreo y basada en características o densidad de píxeles

3.8. Cámaras infrarrojas y térmicas (FLIR) para percepción nocturna, niebla y condiciones meteorológicas adversas

3.9. Algoritmos de alineación y calibración extrínseca continua entre múltiples cámaras con campos de visión solapados

3.10. Procesamiento acelerado de visión artificial mediante GPUs embarcadas y arquitecturas NPU (Neural Processing Units)

4.1. Fundamentos de la tecnología LiDAR (Light Detection and Ranging): tiempo de vuelo (ToF), onda continua modulada (FMCW) y LiDAR de estado sólido

4.2. Arquitectura de escáneres LiDAR 2D y 3D: densidad de haces, frecuencia de muestreo, alcance y respuesta a superficies reflectantes

4.3. Procesamiento de nubes de puntos 3D: filtrado de ruido, muestreo (Voxel Grid), segmentación de plano terrestre y extracción de objetos

4.4. Algoritmos de alineación de nubes de puntos: ICP (Iterative Closest Point), NDT (Normal Distributions Transform) y sus variantes

4.5. Principios del Radar de onda milimétrica (mmWave) en automoción y robótica: detección de distancia, azimut y velocidad Doppler directa

4.6. Ventajas comparativas del Radar frente al LiDAR y la visión en condiciones meteorológicas extremas (lluvia, nieve, polvo, niebla)

4.7. Sonar y sensores ultrasónicos: propagación acústica en aire y agua, perfilado de distancia y matrices de ultrasonidos para maniobras a baja velocidad

4.8. Métodos de calibración cruzada espacial y temporal entre LiDAR, Radar y cámaras fotográficas

4.9. Interacción de la radiación óptica y electromagnética con materiales: absorción, dispersión y falsos positivos por deslumbramiento

4.10. Criterios de selección de la combinación de sensores (Sensor Suite) basada en coste, peso, consumo (SWaP) y requisitos operacionales

5.1. Teoría de la estimación probabilística: variables aleatorias, distribuciones gaussianas y representación de la incertidumbre en robótica

5.2. Filtro de Kalman Clásico (KF): deducción matemática, matrices de covarianza y predicción/actualización de estados

5.3. Filtro de Kalman Extendido (EKF) para sistemas no lineales: linealización mediante matrices jacobianas y aplicaciones de guiado

5.4. Filtro de Kalman Unscented (UKF): transformación Unscented, puntos Sigma y estimación en sistemas altamente no lineales

5.5. Filtros de Partículas (Sequential Monte Carlo): estimación de estados no gaussianos y localización en entornos ambiguos

5.6. Fusión de datos basada en Grafos de Factor (Factor Graphs) y optimización no lineal no ajustada (Bundle Adjustment)

5.7. Fusión multisensorial LiDAR-Cámara-IMU-GNSS: esquemas de integración temprana (Early Fusion) y tardía (Late Fusion)

5.8. Detección y rechazo de mediciones anómalas (Outliers): prueba de Chi-cuadrado, distancia de Mahalanobis y algoritmos RANSAC

5.9. Asignación de datos y seguimiento multiobjeto (MOT): algoritmos MHT, JPDA y filtros PHD aplicados al entorno dinámico

5.10. Evaluación del rendimiento de la fusión sensorial: error medio cuadrático (RMSE), consistencia del filtro y latencia de salida

6.1. El problema de la localización y el mapeado en robótica: formulación Bayesiana de SLAM y ciclo de corrección de deriva

6.2. Mapeado de rejilla de ocupación 2D y mapas probabilísticos octree 3D (OctoMap) para la representación del espacio libre

6.3. SLAM Inercial-Visual (VI-SLAM): arquitecturas monocular y estéreo (ORB-SLAM3, VINS-Mono, OKVIS)

6.4. SLAM basado en LiDAR 3D: LOAM, LeGO-LOAM, LIO-SAM y algoritmos de Odometría LiDAR Inercial (LIO)

6.5. Detección de cierre de bucle (Loop Closure Detection): bolsa de palabras visuales (BoVW), descriptores globales y corrección de deriva acumulada

6.6. Optimización de grafos de poses (Pose Graph Optimization): uso de librerías g2o y GTSAM para la minimización del error de trayectoria

6.7. Cartografía HD (High-Definition Maps) para conducción autónoma: capas semánticas, georreferenciación y actualización dinámica en la nube

6.8. Localización basada en mapas HD: alineación en tiempo real de LiDAR/Cámara contra mapas de características preconstruidos

6.9. Navegación autónoma en entornos cerrados (GPS-Denied): túneles, minas subterráneas, naves industriales y cañones urbanos

6.10. Benchmarking y evaluación de sistemas SLAM utilizando conjuntos de datos públicos (KITTI, EuRoC, TUM VI, NuScenes)

7.1. Jerarquía de la planificación de movimiento: planificación de misiones, planificación de rutas globales y planificación de maniobras locales

7.2. Algoritmos de búsqueda de rutas en grafos: Dijkstra, A*, Searching A* (D*) y algoritmos de optimización del espacio de estados

7.3. Algoritmos de muestreo aleatorio para espacios de alta dimensión: RRT (Rapidly-exploring Random Trees), RRT* y PRM (Probabilistic Roadmaps)

7.4. Generación de trayectorias suaves y ejecutables cinemáticamente: curvas Bezier, B-Splines, curvas Dubins y Reeds-Shepp

7.5. Evitación dinámica de obstáculos: algoritmo de ventana dinámica (DWA), campos de potencial artificial y espacios de velocidad

7.6. Toma de decisiones en entornos dinámicos y de tráfico: Máquinas de Estados Finitos (FSM), Árboles de Comportamiento y Procesos de Decisión de Markov (MDP)

7.7. Control de seguimiento de trayectoria: controlador Pure Pursuit, controlador Stanley y reguladores PID aplicados a dirección y aceleración

7.8. Control Predictivo basado en Modelo (MPC): formulación matemática, restricciones cinemáticas/dinámicas y optimización en tiempo real

7.9. Planificación de trayectorias cooperativas y navegación en enjambre (Swarm Robotics) para múltiples agentes autónomos

7.10. Estrategias de maniobras de parada de emergencia y transición a estados de mínimo riesgo (Minimum Risk Maneuver)

8.1. Arquitecturas de hardware para vehículos autónomos: Unidades de Control Electrónico (ECU), FPGAs, ASICs y plataformas heterogéneas (NVIDIA Jetson, DRIVE, Qualcomm Snapdragon Ride)

8.2. Sistemas Operativos en Tiempo Real (RTOS) e hilos de ejecución crítica en plataformas de navegación autónoma

8.3. Redes de comunicación interna en el vehículo: bus CAN, CAN-FD, FlexRay, LIN y Ethernet Automotriz (100/1000BASE-T1)

8.4. Middleware de comunicación de baja latencia: DDS (Data Distribution Service), SOME/IP y memoria compartida interproceso

8.5. Computación en el borde (Edge Computing) versus procesamiento en la nube (Cloud Computing) en telemetría de autonomía

8.6. Protocolos de sincronización temporal de hardware: PTP (Precision Time Protocol – IEEE 1588) y señales PPS para sellado de tiempo de sensores

8.7. Gestión del consumo térmico, de potencia y diseño de envolventes mecánicas marinizadas/rugerizadas (normas IP67/69K, MIL-STD-810)

8.8. Arquitectura de software orientada a servicios (SOA) y estándares AUTOSAR (Classic y Adaptive) en la industria del automóvil

8.9. Comunicaciones Vehículo-con-Todo (V2X): V2V, V2I, C-V2X y DSRC para la cooperación en intersecciones y pelotones (Platooning)

8.10. Monitorización del estado de salud del sistema (System Health Monitoring) y diagnóstico a bordo (OBD-II / UDS)

9.1. Seguridad funcional en sistemas automotrices autónomos: norma ISO 26262 y niveles de integridad de seguridad (ASIL A-D)

9.2. Seguridad de la Funcionalidad Prevista (Safety of the Intended Functionality – SOTIF / ISO 21448) en presencia de limitaciones sensoriales

9.3. Análisis de modos de fallo, sus efectos y diagnóstico (FMEA/FMEDA) y Análisis de Árbol de Fallos (FTA) en robótica de navegación

9.4. Ciberseguridad en vehículos autónomos: norma ISO/SAE 21434 y evaluación de amenazas y análisis de riesgos (TARA)

9.5. Vulnerabilidades de sensores autónomos: inyección de ruido láser (LiDAR Spoofing), cegado de cámaras y suplantación GNSS

9.6. Arquitecturas cibernéticas seguras: arranque seguro (Secure Boot), módulos de seguridad de hardware (HSM) y encriptación de buses CAN/Ethernet

9.7. Metodologías de prueba y validación: pruebas de Software-in-the-Loop (SIL), Hardware-in-the-Loop (HIL) y Vehicle-in-the-Loop (VIL)

9.8. Generación de escenarios críticos de prueba mediante simulación probabilística y métodos Edge-Case Mining

9.9. Marco regulatorio internacional de transporte autónomo: reglamentos UNECE/ONU (ALKS), normativas FAA para drones y legislación marítima IMO MASS

9.10. Ética en los sistemas de decisión autónoma, dilemas morales de navegación y responsabilidad legal en caso de colisión

10.1. Selección y definición del caso de aplicación práctica: vehículo terrestre (AGV/Robotaxi), dron aéreo (UAV) o barco autónomo (USV)

10.2. Análisis de requisitos funcionales, operacionales (ODD – Operational Design Domain) y especificación de la arquitectura de seguridad

10.3. Diseño de la suite de sensores (Sensor Suite) y cálculo de cobertura geométrica, redundancia y presupuestos de consumo/peso

10.4. Integración y calibración espacial y temporal de la red de sensores en el vehículo de pruebas o plataforma de simulación

10.5. Implementación del módulo de percepción y fusión sensorial para la detección y clasificación de obstáculos en tiempo real

10.6. Desarrollo e integración del sistema de localización y mapeado (SLAM / Fusión GNSS-INS) en el entorno seleccionado

10.7. Programación de la pila de planificación de trayectorias local/global y algoritmo de evitación dinámica de colisiones

10.8. Ajuste de los algoritmos de control de guiado dinámico (MPC/PID) en un entorno de simulación fotorrealista (Gazebo/Carla)

10.9. Validación experimental del sistema bajo pruebas HIL/SIL y evaluación técnica de la precisión de navegación e índice de fallos

10.10. Elaboración de la memoria técnica de ingeniería, manual de seguridad y defensa pública del proyecto integrador ante tribunal experto