Este bootcamp te ofrece una experiencia práctica y acelerada para aprender a diseñar, simular y entrenar robots utilizando técnicas modernas de Aprendizaje por Refuerzo (RL). A lo largo de cinco días, los participantes desarrollarán un proyecto completo que incluye la creación de la versión virtual del robot para definir su estructura y comportamiento, simulación en motores físicos, entrenamiento con PPO, pruebas en múltiples entornos digitales y la posterior transferencia del modelo a robots reales.
Es el mismo tipo de tecnología aplicada por empresas líderes como Boston Dynamics, Tesla y Google DeepMind.
En esta etapa crearás la versión virtual de tu robot, definiendo su estructura y movimientos básicos para que pueda ser simulado y entrenado con inteligencia artificial.
En Sim2Sim aprenderás a probar tu agente de Reinforcement Learning en distintos simuladores para hacerlo más robusto y adaptable. Cambiarás parámetros físicos, ruido y condiciones del entorno para que el modelo generalice mejor antes de usarlo en el mundo real.
En Sim2Real llevarás la política entrenada en simulación al robot real Unitree Go2. Verás técnicas para que el comportamiento aprendido funcione fuera del simulador: domain randomization, calibración y ajustes de seguridad.
Finalizarás probando tu agente directamente en el Go2 y validando su desempeño en un entorno físico.
El curso está diseñado para que aprendas haciendo. Desde el primer día trabajarás directamente con simuladores profesionales y modelos de robot, construyendo paso a paso tu propio pipeline de RL.
Temas principales del bootcamp
Construcción del pipeline completo de Reinforcement Learning
Simulación profesional con motores físicos
Entrenamiento con algoritmos PPO
Técnicas de Sim2Sim y transferencia Sim2Real
Pruebas finales en robots reales
Aquí podrás conocer mejor cómo está estructurado el bootcamp, su duración, los contenidos que se abordarán en cada etapa, el tipo de prácticas que realizarás tanto en simulación como con robots reales, así como detalles sobre certificación, modalidad, requisitos técnicos y todo lo relacionado con la experiencia de formación.
Resumen del programa intensivo de 5 días donde construirás, entrenarás y llevarás tu robot del entorno simulado al mundo real.
| Día | Contenido |
|---|---|
| 1 | Fundamentos + Construcción del Robot |
| 2 | Simulación + Pipeline RL |
| 3 | Entrenamiento RL + PPO |
| 4 | Sim2Sim + Sim2Real + Dataset Robótico |
| 5 | Práctica Final + Demostración en Robots Reales |
En esta sección encontrarás las respuestas a las dudas más comunes sobre el Reinforcement Learning Bootcamp SIM2REAL, un programa intensivo diseñado para que puedas crear, simular y entrenar tus propios robots utilizando técnicas modernas de Aprendizaje por Refuerzo y transferencia del entorno virtual al mundo real (Sim2Real).
Aquí podrás conocer mejor cómo está estructurado el bootcamp, su duración, los contenidos que se abordarán en cada etapa, el tipo de prácticas que realizarás tanto en simulación como con robots reales, así como detalles sobre certificación, modalidad, requisitos técnicos y todo lo relacionado con la experiencia de formación.
Es un paradigma de aprendizaje automático donde un agente aprende a tomar decisiones mediante interacción con un entorno, recibiendo recompensas que guían su comportamiento hacia un objetivo.
Sí. Las técnicas que aprenderás se usan en industria, investigación y robótica avanzada:
robots móviles, brazos robóticos, drones, manipuladores, inspección, brazos colaborativos y más.
Un robot digital construido por ti, un modelo entrenado con IA, la experiencia práctica de haber llevado ese aprendizaje a un robot real, y la habilidad de crear robots que aprenden por sí mismos.
Sí. Tendrás la oportunidad de ver cómo un robot —como el Go2— aplica lo que aprendió sin haber sido programado manualmente.
No es un simple demo: es tu propio modelo puesto a prueba en hardware real.
No. Empezamos desde lo básico:
cómo es un robot por dentro, cómo se mueve, qué sensores usa y cómo aprende.
Luego avanzamos hasta lograr que tu robot aprenda comportamientos completos por sí mismo.No es un simple demo: es tu propio modelo puesto a prueba en hardware real.
