Avanza en tu carrera profesional con una especialización que te dotará de todo el conocimiento necesario sobre la Robótica y la Industria 4.0” 

Los robots pueden tomar decisiones y actuar de forma autónoma teniendo en cuenta toda la información del entorno ya sea adquirida mediante sensores. El profesional de la Ingeniería aporta en la fase de desarrollo y creación todo su saber en este campo, con un domino de los algoritmos, que permiten la adecuada planificación de tareas y movimientos.

Esta Postgraduate diploma se centra en el complejo mundo algorítmico para analizar los principales problemas en la autonomía y los movimientos del robot aplicando para solucionarlo las estrategias más ópticas. Con un enfoque eminentemente práctico, el alumnado de esta titulación se aproximará a una industria que requiere además de conocimientos profundos en las técnicas que permiten los sistemas de percepción y de visión.  

Asimismo, en este programa el profesional de la Ingeniería estará acompañado por un cuadro docente especializado en este campo que le aportará los últimos avances técnicos logrados en el proceso de localización y mapeo simultáneo, el denominado SLAM. De esta forma, el alumnado se encuentra ante una titulación extensa donde conseguir un aprendizaje amplio en un campo de la Robótica que demanda cada vez más profesionales cualificados. 

Esta titulación es una oportunidad para el alumnado que desee una especialización, que le permita flexibilidad a la hora de acceder al temario. Así, TECH ofrece en esta Postgraduate diploma un programa completo desde el primer día con contenido multimedia descargable para visionarse en cualquier momento y un sistema Relearning, basado en la reiteración, que facilitará el aprendizaje.

La Postgraduate diploma contará con un Director Invitado Internacional de renombre mundial, conocido por su sobresaliente carrera profesional. Dirigirá Masterclasses dedicadas al estudio de Sistemas de Navegación de Robots.

Mejora tus competencias profesionales asistiendo a las Masterclasses de alto nivel que impartirá un prestigioso Director Invitado Internacional experto en Robótica e Informática”

Esta Postgraduate diploma en Robot Navigation Systems contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:  

• El desarrollo de casos prácticos presentados por expertos en Ingeniería Robótica 
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional 
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje 
• Su especial hincapié en metodologías innovadoras  
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual 
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet 

Inscríbete ahora y profundiza en las últimas técnicas de optimización de sensores ópticos para la Robótica”

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.  

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.  

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.   

El método de enseñanza Relearning y el contenido multimedia te permitirán alcanzar tus metas con mayor facilidad. Haz clic e inscríbete ya"

Diseñar algoritmos de tratamiento digital de imágenes más avanzados con esta titulación universitaria"

The syllabus of this Postgraduate diploma has been designed by a team of professionals with extensive experience in Industry 4.0. That is why this program is structured in 4 modules, where students will have a wide range of audiovisual material that will take them through the main concepts of design and modeling, algorithms, vision in Robotics or Simultaneous Mapping by means of Artificial Vision techniques. Essential reading and case studies of real examples provided by the teaching staff complete this program.  

You have at your fingertips the main tools to create robot designs and modeling. Click and specialize”

Module 1. Robotics: Robot Design and Modeling

1.1. Robotics and Industry 4.0

1.1.1. Robotics and Industry 4.0
1.1.2. Application Fields and Use Cases
1.1.3. Sub-Areas of Specialization in Robotics

1.2. Robot Hardware and Software Architectures

1.2.1. Hardware Architectures and Real-Time
1.2.2. Robot Software Architectures
1.2.3. Communication Models and Middleware Technologies
1.2.4. Robot Operating System (ROS) Software Integration

1.3. Mathematical Modeling of Robots

1.3.1. Mathematical Representation of Rigid Solids
1.3.2. Rotations and Translations
1.3.3. Hierarchical State Representation
1.3.4. Distributed Representation of the State in ROS (TF Library)

1.4. Robot Kinematics and Dynamics

1.4.1. Kinematics
1.4.2. Dynamics
1.4.3. Underactuated Robots
1.4.4. Redundant Robots

1.5. Robot Modeling and Simulation

1.5.1. Robot Modeling Technologies
1.5.2. Robot Modeling with URDF
1.5.3. Robot Simulation
1.5.4. Modeling with Gazebo Simulator

1.6. Robot Manipulators

1.6.1. Types of Manipulator Robots
1.6.2. Kinematics
1.6.3. Dynamics
1.6.4. Simulation

1.7. Terrestrial Mobile Robots

1.7.1. Types of Terrestrial Mobile Robots
1.7.2. Kinematics
1.7.3. Dynamics
1.7.4. Simulation

1.8. Aerial Mobile Robots

1.8.1. Types of Aerial Mobile Robots
1.8.2. Kinematics
1.8.3. Dynamics
1.8.4. Simulation

1.9. Aquatic Mobile Robots

1.9.1. Types of Aquatic Mobile Robots
1.9.2. Kinematics
1.9.3. Dynamics
1.9.4. Simulation

1.10. Bioinspired Robots

1.10.1. Humanoids
1.10.2. Robots with Four or More Legs
1.10.3. Modular Robots
1.10.4. Robots with Flexible Parts (Soft-Robotics)

Module 2. Robot Planning Algorithms

2.1. Classical Planning Algorithms

2.1.1. Discrete Planning: State Space
2.1.2. Planning Problems in Robotics. Robotic Systems Models
2.1.3. Classification of Planners

2.2. The Trajectory Planning Problem in Mobile Robots

2.2.1. Forms of Environment Representation: Graphs
2.2.2. Search Algorithms in Graphs
2.2.3. Introduction of Costs in Networks
2.2.4. Search Algorithms in Heavy Networks
2.2.5. Algorithms with any Angle Approach

2.3. Planning in High Dimensional Robotic Systems

2.3.1. High Dimensionality Robotics Problems: Manipulators
2.3.2. Direct/Inverse Kinematic Model
2.3.3. Sampling Planning Algorithms PRM and RRT
2.3.4. Planning Under Dynamic Constraints

2.4. Optimal Sampling Planning

2.4.1. Problem of Sampling-Based Planners
2.4.2. RRT Probabilistic Optimality Concept
2.4.3. Reconnection Step: Dynamic Constraints
2.4.4. CForest. Parallelizing Planning

2.5. Real Implementation of a Motion Planning System

2.5.1. Global Planning Problem. Dynamic Environments
2.5.2. Cycle of Action, Sensorization. Acquisition of Information from the Environment
2.5.3. Local and Global Planning

2.6. Coordination in Multi-Robot Systems I: Centralized System

2.6.1. Multirobot Coordination Problem
2.6.2. Collision Detection and Resolution: Trajectory Modification with Genetic Algorithms
2.6.3. Other Bio-Inspired Algorithms: Particle Swarm and Fireworks
2.6.4. Collision Avoidance by Choice of Maneuver Algorithm

2.7. Coordination in Multi-Robot Systems II: Distributed Approaches I

2.7.1. Use of Complex Objective Functions
2.7.2. Pareto Front
2.7.3. Multi-Objective Evolutionary Algorithms

2.8. Coordination in Multi-Robot Systems III: Distributed Approaches II

2.8.1. Order 1 Planning Systems
2.8.2. ORCA Algorithm
2.8.3. Addition of Kinematic and Dynamic Constraints in ORCA

2.9. Decision Planning Theory

2.9.1. Decision Theory
2.9.2. Sequential Decision Systems
2.9.3. Sensors and Information Spaces
2.9.4. Planning for Uncertainty in Sensing and Actuation

2.10. Reinforcement Learning Planning Systems

2.10.1. Obtaining the Expected Reward of a System
2.10.2. Mean Reward Learning Techniques
2.10.3. Inverse Reinforcement Learning

Module 3. Artificial Vision Techniques in Robotics: Image Processing and Analysis

3.1. Computer Vision

3.1.1. Computer Vision
3.1.2. Elements of a Computer Vision System
3.1.3. Mathematical Tools

3.2. Optical Sensors for Robotics

3.2.1. Passive Optical Sensors
3.2.2. Active Optical Sensors
3.2.3. Non-Optical Sensors

3.3. Image Acquisition

3.3.1. Image Representation
3.3.2. Color Space
3.3.3. Digitizing Process

3.4. Image Geometry

3.4.1. Lens Models
3.4.2. Camera Models
3.4.3. Camera Calibration

3.5. Mathematical Tools

3.5.1. Histogram of an Image
3.5.2. Convolution
3.5.3. Fourier Transform

3.6. Image Preprocessing

3.6.1. Noise Analysis
3.6.2. Image Smoothing
3.6.3. Image Enhancement

3.7. Image Segmentation

3.7.1. Contour-Based Techniques
3.7.2. Histogram-Based Techniques
3.7.3. Morphological Operations

3.8. Image Feature Detection

3.8.1. Point of Interest Detection
3.8.2. Feature Descriptors
3.8.3. Feature Matching

3.9. 3D Vision Systems

3.9.1. 3D Perception
3.9.2. Feature Matching between Images
3.9.3. Multiple View Geometry

3.10. Computer Vision-Based Localization

3.10.1. The Robot Localization Problem
3.10.2. Visual Odometry
3.10.3. Sensory Fusion

Module 4. Visual SLAM. Robot Localization and Simultaneous Mapping by Artificial Vision Techniques

4.1. Simultaneous Localization and Mapping (SLAM)

4.1.1. Simultaneous Localization and Mapping. SLAM
4.1.2. SLAM Applications
4.1.3. SLAM Operation

4.2. Projective Geometry

4.2.1. Pin-Hole Model
4.2.2. Estimation of Intrinsic Parameters of a Chamber
4.2.3. Homography, Basic Principles and Estimation
4.2.4. Fundamental Matrix, Principles and Estimation

4.3. Gaussian Filters

4.3.1. Kalman Filter
4.3.2. Information Filter
4.3.3. Adjustment and Parameterization of Gaussian Filters

4.4. Stereo EKF-SLAM

4.4.1. Stereo Camera Geometry
4.4.2. Feature Extraction and Search
4.4.3. Kalman Filter for Stereo SLAM
4.4.4. Stereo EKF-SLAM Parameter Setting

4.5. Monocular EKF-SLAM

4.5.1. EKF-SLAM Landmark Parameterization
4.5.2. Kalman Filter for Monocular SLAM
4.5.3. Monocular EKF-SLAM Parameter Tuning

4.6. Loop Closure Detection

4.6.1. Brute Force Algorithm
4.6.2. FABMAP
4.6.3. Abstraction Using GIST and HOG
4.6.4. Deep Learning Detection

4.7. Graph-SLAM

4.7.1. Graph-SLAM
4.7.2. RGBD-SLAM
4.7.3. ORB-SLAM

4.8. Direct Visual SLAM

4.8.1. Analysis of the Direct Visual SLAM Algorithm
4.8.2. LSD-SLAM
4.8.3. SVO

4.9. Visual Inertial SLAM

4.9.1. Integration of Inertial Measurements
4.9.2. Low Coupling: SOFT-SLAM
4.9.3. High Coupling: Vins-Mono

4.10. Other SLAM Technologies

4.10.1. Applications Beyond Visual SLAM
4.10.2. Lidar-SLAM
4.10.2. Range-only SLAM

Master the different applications of Simultaneous Localization and Mapping (SLAM) with this Postgraduate diploma"