Duración
10 meses
Fecha de Inicio
09-10-2026
Modalidad
online
Dificultad
Experto
Precio
2411 €
El Máster en Conducción Autónoma e Inteligencia Artificial de Academia IA es el programa de formación de máxima profundidad disponible en el ecosistema iberoamericano para ingenieros de software y de sistemas con experiencia en sistemas embebidos o en tiempo real, ingenieros de percepción e ingenieros de planificación de trayectorias en la industria automotriz, investigadores en robótica y sistemas autónomos, ingenieros de verificación y validación en empresas del sector ADAS y conducción autónoma, directores de ingeniería y jefes de proyecto en OEM y Tier-1 que desarrollan sistemas de nivel SAE 3 o superior, científicos de datos con experiencia en visión por computador que quieren especializarse en automoción, y cualquier profesional con formación técnica de nivel superior que quiera dominar el stack tecnológico completo del vehículo autónomo —desde la fusión de los datos de los sensores hasta el control dinámico del vehículo, pasando por la planificación de la trayectoria, la toma de decisiones en entornos complejos, la comunicación con la infraestructura vial y la homologación del sistema según los marcos de seguridad funcional más exigentes de la industria automotriz global.
A lo largo del máster trabajarás con las herramientas, los simuladores y los marcos de desarrollo más avanzados del sector: ROS 2 —Robot Operating System 2— como la plataforma de desarrollo de sistemas robóticos autónomos más usada en la industria y en la investigación, con sus nodos de percepción, planificación y control y su integración con los entornos de simulación; CARLA —Car Learning to Act— como el simulador de conducción autónoma de código abierto más completo del ecosistema, con sus módulos de generación de escenarios de tráfico, su API de Python para el control del entorno simulado y su integración con los algoritmos de aprendizaje por refuerzo profundo; Apollo de Baidu como la plataforma de conducción autónoma de nivel industrial más documentada de código abierto, con sus módulos de localización, percepción, predicción, planificación y control; TensorFlow y PyTorch con las arquitecturas de red neuronal más relevantes para la detección de objetos —YOLO, PointPillars para nubes de puntos LiDAR—, la segmentación semántica y la estimación de profundidad en tiempo real; los simuladores de tráfico SUMO —Simulation of Urban MObility— para la modelización del comportamiento del tráfico en entornos urbanos complejos; los marcos de seguridad funcional ISO 26262 para la electrónica del vehículo y SOTIF —Safety of the Intended Functionality— para los sistemas con comportamiento no determinístico; las plataformas de validación Hardware-in-the-Loop con dSPACE y National Instruments para la prueba de los sistemas de control del vehículo; y las plataformas de comunicación V2X —Vehicle to Everything— con 5G NR y DSRC para la conducción cooperativa. El máster analiza en profundidad los proyectos tecnológicos de mayor madurez en el sector —Waymo One, Tesla FSD, Mobileye, Zoox, Cruise, TIER IV en el mercado japonés, y los proyectos europeos WeDriver y AutoDrive II— con el acceso a los datos técnicos publicados en los artículos de investigación de mayor impacto de los últimos cinco años.
La conducción autónoma es el desafío de ingeniería más complejo al que la humanidad ha enfrentado en las últimas décadas: un sistema que debe operar en tiempo real en un entorno abierto, no estructurado, con actores —peatones, ciclistas, otros vehículos— cuyo comportamiento no sigue reglas predecibles, con condiciones meteorológicas y de iluminación que pueden degradar el rendimiento de los sensores de forma abrupta, con restricciones de latencia que no admiten margen de error, y con consecuencias físicas graves e irreversibles cuando el sistema falla. Ese desafío requiere el dominio simultáneo de ámbitos técnicos que en la formación de ingeniería convencional están separados —la visión por computador, el aprendizaje profundo, los sistemas de control, la robótica, la ingeniería del software en tiempo real, las comunicaciones inalámbricas y la seguridad funcional— y que en el contexto del vehículo autónomo deben integrarse en un sistema coherente, verificable y certificable.
El Máster en Conducción Autónoma e Inteligencia Artificial de Academia IA existe para que el ingeniero con experiencia técnica real —en robótica, en sistemas embebidos, en visión por computador o en el sector automotriz— domine ese stack tecnológico completo con la profundidad que los equipos de los mejores proyectos de conducción autónoma del mundo exigen: no como consumidor de las APIs de los sistemas existentes, sino como el arquitecto que toma las decisiones de diseño que determinan el rendimiento, la seguridad y la certificabilidad del sistema.
El Máster en Conducción Autónoma e Inteligencia Artificial te prepara para diseñar, implementar, validar y certificar los componentes del stack tecnológico del vehículo autónomo con el nivel de dominio técnico que los proyectos de mayor exigencia de la industria y de la investigación requieren.
Desarrollarás la capacidad de dominar la fusión de sensores con redes neuronales profundas para la percepción del entorno: la arquitectura y el entrenamiento de los modelos de detección de objetos en 3D con redes neuronales procesadoras de nubes de puntos LiDAR —PointPillars, PointNet++— para la detección y clasificación de vehículos, peatones, ciclistas y elementos de la infraestructura vial a más de 100 metros de distancia con latencia inferior a 50 milisegundos, el diseño de los sistemas de detección de objetos en imagen con las arquitecturas YOLO v8 y DETR para la detección en cámara de alta resolución con seguimiento temporal, el desarrollo del sistema de fusión de sensores —LiDAR, cámara, radar— con los algoritmos de Kalman extendido, de filtro de partículas y de fusión profunda con redes neuronales que integran las fortalezas de cada sensor en un modelo unificado del entorno robusto a los fallos individuales de cada sensor, y la implementación de los algoritmos de localización y mapeado simultáneo —SLAM, NDT, GNSS con corrección RTK— que mantienen la posición del vehículo dentro de los límites de precisión que la conducción autónoma en carril requiere.
admisiones@academiaia.ai +34 967 79 32 85
Av Marqués del Turia 14 Valencia
Accede al máster desde cualquier lugar y lidera el desarrollo de sistemas de conducción autónoma.
Dominarás la percepción, la planificación, la simulación y la seguridad funcional automotriz.
Trabajarás con ROS 2, CARLA, Apollo, TensorFlow, lidar real y plataformas automotrices de referencia.
La excelencia formativa define cada programa de Academia IA. Nuestro compromiso es ofrecer una experiencia de aprendizaje que combine rigor técnico con aplicabilidad inmediata, preparando profesionales capaces de generar impacto real desde el primer día.
Nuestros programas están diseñados por profesionales que trabajan en empresas del sector de inteligencia artificial. Compartimos las técnicas y herramientas que utilizamos en proyectos reales.
Al unirte a Academia IA accedes a más de 400 profesionales en Skool. Un espacio donde resolver dudas, compartir proyectos y seguir aprendiendo más allá del temario oficial.
( +34 ) 967 79 32 85
El Máster en Conducción Autónoma e Inteligencia Artificial te da el dominio técnico más completo disponible en la formación iberoamericana para el ingeniero que quiere trabajar en los equipos más avanzados del sector automotriz global —con el rigor técnico de los programas de investigación de las universidades tecnológicas de referencia y la aplicabilidad directa a los proyectos industriales que el sector más dinámico de la ingeniería del siglo XXI requiere.
Dominio del stack tecnológico completo que los mejores equipos de conducción autónoma exigen a sus ingenieros senior: El perfil de ingeniería que los proyectos de conducción autónoma más avanzados del mundo —Waymo, Mobileye, Cruise, TIER IV, los equipos de desarrollo de Tesla FSD— buscan en sus contrataciones no es el especialista en una sola disciplina —el experto en visión por computador que no entiende los sistemas de control, o el ingeniero de control que no puede diseñar un pipeline de fusión de sensores—, sino el ingeniero con dominio del sistema completo: el profesional que puede diseñar el módulo de percepción, discutir su integración con el planificador, evaluar las implicaciones de su rendimiento en los requisitos de seguridad funcional del sistema y validar el conjunto en el entorno de simulación. Ese perfil de ingeniero de sistema autónomo es el que el máster forma: no el especialista estrecho, sino el arquitecto de sistemas autónomos con profundidad técnica en cada capa del stack y con la visión de sistema que hace que las decisiones de diseño de cada módulo sean coherentes con los requisitos del sistema completo.
Acceso al conocimiento de los artículos de investigación más relevantes del estado del arte con la capacidad de implementarlos: La investigación en conducción autónoma avanza a una velocidad que hace que el conocimiento de los libros de texto y de los manuales de formación convencionales esté sistemáticamente desactualizado: la arquitectura de red que era el estado del arte en detección de objetos en LiDAR hace dos años —PointPillars— ha sido superada por modelos de atención sobre la nube de puntos que en 2025 son ya el estándar de los sistemas en producción. El Máster en Conducción Autónoma e Inteligencia Artificial de Academia IA se estructura alrededor de los artículos de investigación de mayor impacto de los últimos tres años en las conferencias y revistas más relevantes del sector —CVPR, ICCV, ICRA, IV —Intelligent Vehicles Symposium—, IEEE Transactions on Intelligent Transportation Systems— con el nivel de profundidad técnica que permite al alumno no solo comprender qué hacen esos sistemas sino también implementarlos, evaluarlos y construir sobre ellos.
Preparación para la certificación y la homologación de los sistemas autónomos que la industria exige y que la regulación hace cada vez más urgente: El Reglamento UNECE 157 para la homologación de sistemas automatizados de mantenimiento de carril, el Reglamento UNECE 156 para la actualización de software del vehículo Over-the-Air, y el marco de la Directiva NIS2 aplicada a los sistemas ciberfísicos del vehículo conectado son los primeros escalones de un marco regulatorio europeo que en los próximos cinco años cubrirá de forma progresiva los sistemas de mayor nivel de automatización. El ingeniero que domina los procesos de análisis de riesgo ASIL de ISO 26262 y los métodos de análisis de SOTIF está en condiciones de diseñar desde el primer momento sistemas que son certificables —no de retrofitar la seguridad funcional a un sistema diseñado sin ese criterio, que es el enfoque más caro y más arriesgado de los dos.
La conducción autónoma es la tecnología de mayor impacto económico y social en desarrollo activo en el mundo en 2025: se estima que el mercado global de vehículos autónomos alcanzará los 2,1 billones de dólares en 2030, que la tecnología de ADAS avanzado y de conducción autónoma de nivel 2+ se convertirá en estándar en los vehículos de gama media en Europa y en los mercados más avanzados en el horizonte de 2027-2028, y que la demanda de ingenieros con el perfil técnico completo del stack de conducción autónoma superará en un factor de tres a la oferta disponible en los próximos cinco años.
El momento de inflexión tecnológica del sector con la madurez de los modelos de visión transformer y de los LiDAR de estado sólido: La combinación de dos desarrollos tecnológicos simultáneos está acelerando la viabilidad económica de los sistemas de conducción autónoma a un ritmo que las previsiones de hace cinco años no anticipaban: la irrupción de las arquitecturas Vision Transformer —y en particular de los modelos de detección 3D end-to-end como BEVFormer y UniAD que procesan las imágenes de múltiples cámaras en una representación unificada del entorno sin LiDAR— ha reducido drásticamente el coste del sistema de percepción sin comprometer el rendimiento, y la llegada al mercado de los LiDAR de estado sólido de Hesai, Luminar y Innoviz a precios de escala automotriz —por debajo de los doscientos dólares por unidad en volúmenes de producción de serie— ha hecho que la fusión cámara-LiDAR sea económicamente viable en vehículos de gama media. El ingeniero que domina esas dos tecnologías en 2025 está en el centro del conjunto de capacidades más demandadas por los equipos de conducción autónoma más avanzados del mundo.
El reglamento UNECE 157 y la Directiva sobre Responsabilidad de la IA como los drivers regulatorios que aceleran la demanda de ingenieros con dominio de la seguridad funcional: La entrada en vigor del Reglamento UNECE 157 en enero de 2022 —que obliga a los fabricantes a someter los sistemas automatizados de mantenimiento de carril de nivel 3 a un proceso de homologación formal que incluye la demostración del cumplimiento de SOTIF— ha creado una demanda masiva de ingenieros con el dominio del proceso de homologación de sistemas autónomos que la industria automotriz no puede cubrir con su talento interno: los equipos de los departamentos de seguridad funcional de los grandes OEM europeos —Volkswagen, Stellantis, BMW, Mercedes-Benz— y de sus Tier-1 de referencia —Continental, Bosch, ZF, Aptiv— están en 2025 activamente buscando ingenieros con experiencia en el proceso de análisis de riesgo SOTIF y en la generación de la evidencia de seguridad para los sistemas de percepción con IA, que es exactamente el perfil que el máster forma.
La movilidad autónoma como la convergencia más relevante de la IA con la física del mundo real y sus consecuencias en la seguridad de los ciudadanos: Los vehículos autónomos son el ejemplo más exigente y más significativo de la aplicación de la IA en el mundo físico real: un sistema de IA que toma decisiones en tiempo real con consecuencias físicas directas e irreversibles sobre la vida de los ocupantes del vehículo y de los demás usuarios de la vía. Esa consecuencia hace que la conducción autónoma sea el campo de la IA donde las exigencias de seguridad, de verificación y de explicabilidad son más estrictas —y donde el dominio de esas exigencias tiene el mayor valor diferencial para el ingeniero que quiere trabajar en los proyectos de mayor impacto e implicación del sector tecnológico global.
El plan de estudio del Máster en Conducción Autónoma e Inteligencia Artificial está organizado en ocho módulos que recorren el stack tecnológico completo del vehículo autónomo de forma acumulativa, con implementaciones prácticas en ROS 2 y CARLA desde el primer módulo.
El primer módulo, Arquitectura del vehículo autónomo y ecosistema tecnológico, establece el marco completo: la taxonomía SAE J3016 de los niveles de automatización con los requisitos de hardware, software y validación de cada nivel, el análisis del stack tecnológico de los proyectos de referencia global —Waymo, Mobileye, Apollo, Tesla FSD—, la configuración del entorno de desarrollo con ROS 2, CARLA y Python, y el análisis del paisaje regulatorio europeo e internacional.
El segundo módulo cubre la percepción con LiDAR y fusión de sensores: las arquitecturas PointPillars, BEVFusion y UniAD, el entrenamiento sobre nuAScenes y KITTI, y los filtros de Kalman para tracking. El tercer módulo trabaja la percepción visual con redes de detección y segmentación: YOLO v8, DETR, la estimación de profundidad monocular y la segmentación semántica en tiempo real. El cuarto módulo aborda la predicción del comportamiento de actores viales: los modelos Social Force, Social LSTM y Wayformer, y su integración en el simulador CARLA. El quinto módulo cubre la planificación de trayectorias y control del vehículo: el planificador de Frenet, el planificador basado en lattice, el MPC —Model Predictive Control— y el aprendizaje por refuerzo para la gestión de intersecciones. El sexto módulo trabaja la comunicación V2X y conducción cooperativa: los protocolos ETSI ITS, el platooning y la integración con la infraestructura inteligente. El séptimo módulo aborda la seguridad funcional y validación: ISO 26262, SOTIF, CARLA con escenarios de criticidad y el pipeline de Hardware-in-the-Loop. El octavo módulo cubre homologación, ética y el futuro de la movilidad autónoma. El máster culmina con el Proyecto Final.
Aprovecha todos nuestros recursos en cualquiera de nuestras formaciones.
El Proyecto Final del Máster en Conducción Autónoma e Inteligencia Artificial es el trabajo de ingeniería de mayor exigencia del programa: el diseño, la implementación y la validación de un Sistema de Conducción Autónoma Funcional que integra al menos cuatro módulos del stack tecnológico del máster en un sistema coherente capaz de navegar de forma autónoma en al menos un escenario de tráfico complejo en el entorno de simulación CARLA, con la documentación técnica completa que incluye el análisis de seguridad funcional del sistema.
El proyecto tiene seis entregables de nivel experto: la Arquitectura del Sistema, que documenta el diseño de la arquitectura modular del sistema autónomo —con el diagrama de nodos de ROS 2, la especificación de las interfaces entre módulos, el análisis de los requisitos de latencia de cada interfaz, y la justificación de las decisiones de arquitectura en función de los requisitos de seguridad del escenario elegido—; el Sistema de Percepción Implementado, con el modelo de detección de objetos entrenado sobre el dataset de referencia elegido —nuScenes, KITTI, Waymo Open Dataset— con los resultados de evaluación en el conjunto de prueba con las métricas del estado del arte —mAP, NDS para la detección 3D—, el módulo de tracking con filtro de Kalman integrado en el nodo de ROS 2 correspondiente, y la demostración del rendimiento del sistema de percepción en tiempo real en CARLA; el Sistema de Predicción y Planificación Implementado, con el modelo de predicción del comportamiento de los actores viales del escenario de prueba integrado con el planificador de trayectorias en el entorno de simulación, la demostración de la navegación autónoma completa en el escenario de mayor complejidad del proyecto con el registro de las métricas de rendimiento del sistema, y la comparación del rendimiento del planificador implementado con el baseline de referencia del estado del arte en el mismo escenario; el Análisis de Seguridad Funcional, con el análisis de riesgo SOTIF del sistema implementado —incluyendo la identificación de los escenarios de fallo del sistema de percepción con IA, la evaluación de su severidad y exposición, y el diseño de las medidas de mitigación—, y la documentación de los casos de prueba de los escenarios de mayor criticidad en CARLA con los resultados del sistema en cada uno; la Integración V2X, con la implementación funcional de al menos un protocolo V2X —el CAM o el DENM del estándar ETSI ITS— en la simulación con SUMO y CARLA y la demostración del impacto de la información V2X en el rendimiento del planificador; y la Memoria Técnica de Proyecto, con la documentación completa del sistema al nivel de la documentación técnica que los proyectos de homologación bajo UNECE 157 requieren como evidencia de seguridad. El Proyecto Final se defiende ante un tribunal que incluye ingenieros de conducción autónoma de empresas del sector con proyectos de nivel 3 o superior en desarrollo activo.
No te quedes con ninguna duda y revisa todas nuestras preguntas frecuentes!
Academia IA
El Máster en Conducción Autónoma e Inteligencia Artificial de Academia IA aborda el debate sobre la arquitectura de sensores óptima para la conducción autónoma —visión pura versus fusión LiDAR-cámara-radar— como uno de los debates técnicos más sustantivos del sector, donde la posición técnica correcta requiere un análisis más matizado que el que las posiciones públicas de los actores industriales suelen permitir. El argumento de Tesla para la visión pura descansa sobre tres premisas: que el ser humano conduce con visión exclusivamente y el sistema debería poder hacerlo también, que el LiDAR genera una falsa sensación de seguridad que puede crear dependencias peligrosas del sistema, y que la escala del parque de vehículos Tesla en producción genera un dataset de entrenamiento con una diversidad de escenarios que ningún sistema de pruebas con vehículos LiDAR puede igualar. Los argumentos en favor de la fusión de sensores descansan sobre tres contra-premisas igualmente sólidas: que el ser humano tiene cuarenta años de experiencia de vida y cientos de miles de kilómetros de exposición al tráfico que el sistema de IA no tiene, que el LiDAR proporciona medidas de distancia directas con una precisión y una latencia que los sistemas de estimación de profundidad monocular no pueden igualar en todas las condiciones —especialmente en condiciones de baja iluminación, de lluvia intensa y de contraste reducido—, y que la redundancia de sensores es la herramienta de mitigación más natural para los requisitos de SOTIF en los escenarios de mayor criticidad. El máster analiza esa controversia con el rigor técnico que merecen los datos de rendimiento publicados por ambas familias de sistemas en los benchmarks públicos.
El Máster en Conducción Autónoma e Inteligencia Artificial de Academia IA aborda el estado de la regulación de la conducción autónoma en el mercado español e iberoamericano con los datos reales de 2025, porque la diferencia entre el estado de la regulación y las expectativas que la cobertura mediática del sector genera es uno de los factores más frecuentes de malentendido sobre el horizonte temporal real de la comercialización de los vehículos autónomos. En España, el Real Decreto 970/2020 sobre la regulación de pruebas de vehículos de conducción automatizada ha establecido el marco de autorización para las pruebas en vía pública abierta de sistemas de conducción automatizada de cualquier nivel SAE con la supervisión de la DGT, pero el marco de homologación para la circulación comercial sin conductor de seguridad de nivel SAE 4 está pendiente de la transposición al ordenamiento español del marco europeo en desarrollo. En el plano europeo, el Reglamento UNECE 157 —ya en vigor para la homologación de sistemas de nivel 3 en autopista a velocidades inferiores a 130 km/h— es el único marco de homologación para conducción autónoma en vigor en Europa en 2025; el nivel SAE 4 en autopista y el nivel 3 en entornos urbanos están en proceso de regulación en el marco del programa de trabajo de la UNECE con un horizonte previsto de 2027-2028. En México, Chile y Colombia existen marcos regulatorios experimentales para las pruebas de conducción autónoma pero no marcos de comercialización. Brasil tiene el marco más avanzado de la región, con la Resolução CONTRAN 886/2021 que regula las pruebas en vía pública. El máster analiza ese paisaje regulatorio con la profundidad que el profesional que desarrolla sistemas para el mercado europeo e iberoamericano necesita.
El Máster en Conducción Autónoma e Inteligencia Artificial de Academia IA aborda el debate sobre la arquitectura del sistema de conducción autónoma —el enfoque modular que descompone el problema en módulos interpretables versus el enfoque extremo a extremo con aprendizaje profundo que aprende directamente la política de conducción desde las entradas sensoriales— como la pregunta de arquitectura más importante del campo, con implicaciones que van más allá de la ingeniería al campo de la seguridad, la certificación y la responsabilidad legal. El enfoque extremo a extremo con aprendizaje profundo tiene ventajas técnicas documentadas en los entornos donde la cantidad de datos de entrenamiento es suficientemente grande —los sistemas como GAIA-1 de Wayve, DriveVLM de Tsinghua y UniAD de Shanghai AI Lab han demostrado capacidades de generalización a escenarios nuevos superiores a las de los sistemas modulares de diseño clásico en los benchmarks de conducción en entornos urbanos no estructurados—. Pero tiene desventajas fundamentales que el debate público suele subvalorar: la opacidad del comportamiento —la imposibilidad de predecir en qué escenarios específicos el sistema fallará, que es exactamente la información que el proceso de homologación SOTIF requiere—, la necesidad de enormes cantidades de datos de entrenamiento que incluyan los escenarios de mayor criticidad —que son por definición los más raros y los más difíciles de recopilar—, y la dificultad de demostrar el cumplimiento de los requisitos de seguridad funcional de ISO 26262 para un sistema cuyo comportamiento no es directamente interpretable. El máster forma al alumno en ambas arquitecturas con la profundidad que le permite tomar posición técnica informada en ese debate.
El Máster en Conducción Autónoma e Inteligencia Artificial de Academia IA aborda las perspectivas salariales y de carrera del perfil de ingeniería del sistema autónomo con los datos del mercado laboral del sector en 2025, porque la transparencia sobre el retorno de la inversión en formación de nivel máster es un elemento de información que el futuro alumno necesita para tomar una decisión informada. El perfil de ingeniero de conducción autónoma con dominio del stack completo —percepción, planificación, seguridad funcional y simulación— está entre los perfiles de mayor demanda y de mayor compensación de la ingeniería de software en Europa: las bandas salariales en los equipos de Waymo, Mobileye, Cruise y los departamentos de conducción autónoma de BMW, Volkswagen y Mercedes-Benz para los ingenieros senior con ese perfil se sitúan entre los ochenta y los ciento cuarenta mil euros anuales en los mercados europeos de referencia —Munich, Stuttgart, Estocolmo, Eindhoven—, con packages de compensación total que pueden superar ese nivel en las startups de mayor crecimiento. En el mercado iberoamericano, los proyectos de mayor demanda del perfil están en las ingeniería de SEAT S.A. y CUPRA en España, en los centros de I+D de los grandes OEM en Barcelona y Madrid, en las startups de movilidad autónoma como Kopernikus Automotive, y en los centros tecnológicos de referencia como el Centro Tecnológico de Automoción de Galicia y el CTAG. En Latinoamérica, la mayor demanda está en los programas de vehículos conectados y autónomos de los ministerios de transporte de México, Brasil y Chile, y en las empresas de tecnología de movilidad como Cabify y Rappi que están desarrollando proyectos piloto de vehículos autónomos en sus mercados de referencia.
