MINI CURSO Otros Avanzado Industrial

Mini Curso: Inteligencia Artificial en Mecatrónica

Fundamentos de IA Física, Percepción y Fusión Sensorial (Kalman), Razonamiento Difuso y Planificación (A*), Aprendizaje Automático y Automatización TinyML / Edge AI

Curso completo de Inteligencia Artificial en Mecatrónica estructurado en bloques temáticos y clases en video. La Parte 1 define qué significa la IA en sistemas ciberfísicos (agente racional, ciclo Percepción-Cognición-Acción) y desarrolla la percepción multimodal, extracción de características en el dominio del tiempo y frecuencia (FFT), visión artificial (convolución, bordes, detección de objetos) y fusión sensorial probabilística con Filtro de Kalman y SLAM. La Parte 2 aborda el razonamiento basado en conocimiento, la Lógica Difusa (conjuntos difusos, inferencia Mamdani y Takagi-Sugeno, defuzzificación por centroide para control no lineal) y los algoritmos de planificación de trayectorias (Dijkstra, A* y RRT). La Parte 3 cubre el Aprendizaje Supervisado, No Supervisado y por Refuerzo (MDP, Q-Learning, PPO) junto con arquitecturas de Redes Neuronales (MLP, CNN, RNN/LSTM). Finalmente, la Parte 4 integra la Automatización Inteligente: cuantización INT8 y despliegue TinyML en microcontroladores (ARM Cortex-M / ESP32), aceleración Edge AI (Jetson / Coral TPU), mantenimiento predictivo (RUL) y arquitecturas híbridas seguras IA + PID.

Bloques del Programa Curricular

Parte 1 (Video 01): ¿Qué significa Inteligencia Artificial en Mecatrónica? Agentes Físicos, Percepción Multimodal, Visión Artificial y Cognición (Filtro de Kalman y SLAM).
Parte 2 (Video 02): Razonamiento Simbólico, Sistemas Expertos, Control por Lógica Difusa (Mamdani / Takagi-Sugeno) y Planificación de Trayectorias (Dijkstra, A*, RRT).
Parte 3 (Video 03): Aprendizaje Automático (Supervisado, No Supervisado, Redes Neuronales MLP/CNN/LSTM y Aprendizaje por Refuerzo Q-Learning / PPO).
Parte 4 (Video 04): Automatización Inteligente, TinyML (Cuantización INT8 en MCU), Edge AI, Mantenimiento Predictivo (PdM) y Arquitecturas Híbridas IA + PID.

▶ Comenzar en Aula Virtual ⬇ Descargar Pack Completo del Curso (.ZIP)

Tu Avance en este Curso: Progreso guardado en tu navegador

PRESENTACIÓN DEL CURSO Abrir en Aula Completa →

CLASE EN VIDEO RESUMEN EJECUTIVO

Introducción al Curso: Inteligencia Artificial en Mecatrónica

Archivo de Video Local:

Video_00_Introduccion_Al_Curso_1080p.mp4

Ubicación en disco: Videos_Curso_IoT/Curso_Inteligencia_Artificial_en_Mecatronica/Video_00_Introduccion_Al_Curso

Sube este archivo .mp4 a tu canal de YouTube y pega su enlace en src/data/youtube-ids.json (clave "inteligencia-artificial-en-mecatronica" → "video-00-introduccion") o pruébalo en vivo aquí abajo:

TEMARIO Y RECURSOS CLASE POR CLASE

Lista de Reproducción Completa

Descargar Todos los Códigos y Planos (.ZIP)

CLASE EN VIDEO Presentación General (<= 60 s)

Introducción al Curso: Inteligencia Artificial en Mecatrónica

Presentación del programa de 4 partes que integra percepción multimodal, razonamiento difuso, planificación A*, aprendizaje profundo y despliegue TinyML / Edge AI en sistemas mecatrónicos.

Apuntes Clave de la Clase:

El ciclo Percepción-Cognición-Razonamiento-Acción ejecutándose en tiempo real sobre hardware mecatrónico.
Fusión sensorial con Filtro de Kalman, visión artificial y localización y mapeo simultáneos (SLAM).
Controladores difusos Mamdani/Takagi-Sugeno, planificación de rutas A* y entrenamiento de redes neuronales.
Inferencia embebida TinyML (INT8) en microcontroladores y mantenimiento predictivo industrial.

Archivos en el .ZIP: firmware_ia_mecatronica_video_00.inoentrenamiento_e_inferencia_ia_video_00.pyplc_control_inteligente_iec61131_video_00.stplano_01_protoboard_tinkercad.pngplano_02_pcb_fr4_arquitectura.png

▶ Ver Clase en Video 📄 Descargar Manual (.PDF) 📦 Código + Planos (.ZIP)

CLASE EN VIDEO Parte 1 · Fundamentos de IA, Percepción y Cognición

Parte 1: ¿Qué Significa Inteligencia Artificial en Mecatrónica? Percepción, Visión y Cognición

Define el concepto de agente racional físico en mecatrónica, la cadena de percepción multimodal, la extracción de vectores de características (RMS, Kurtosis, FFT), la visión artificial y la cognición mediante Filtro de Kalman y SLAM.

Apuntes Clave de la Clase:

Diferencia entre automatización rígida clásica e Inteligencia Artificial Física capaz de adaptarse a entornos con incertidumbre.
Extracción de características temporales y espectrales (RMS, varianza, factor de cresta y FFT) a partir de sensores crudos.
Percepción visual: convolución espacial 2D, detección de bordes Sobel/Canny, segmentación y detección de objetos en tiempo real.
Cognición y estimación de estado óptimo: ecuaciones de predicción y actualización del Filtro de Kalman (KF/EKF) y SLAM.

Archivos en el .ZIP: firmware_ia_mecatronica_video_01.inoentrenamiento_e_inferencia_ia_video_01.pyplc_control_inteligente_iec61131_video_01.stplano_01_protoboard_tinkercad.pngplano_02_pcb_fr4_arquitectura.png

▶ Ver Clase en Video 📄 Descargar Manual (.PDF) 📦 Código + Planos (.ZIP)

CLASE EN VIDEO Parte 2 · Razonamiento, Lógica Difusa y Planificación

Parte 2: Razonamiento en Mecatrónica — Sistemas Expertos, Lógica Difusa y Planificación (A* y RRT)

Desarrolla motores de inferencia basados en reglas, controladores de Lógica Difusa (funciones de pertenencia, inferencia Mamdani y Takagi-Sugeno, defuzzificación por centroide) y algoritmos de búsqueda heurística A* y RRT para robótica móvil y manipuladores.

Apuntes Clave de la Clase:

Sistemas expertos industriales: base de hechos, base de reglas SI-ENTONCES y encadenamiento hacia adelante para diagnóstico y control.
Lógica Difusa (Fuzzy Logic): conjuntos difusos triangulares/trapezoidales y variables lingüísticas frente a lógica booleana.
Inferencia difusa Mamdani y Takagi-Sugeno y cálculo de salida continua por el método del Centro de Gravedad (Centroide).
Planificación óptima de trayectorias libres de colisión: algoritmo A* con función de evaluación f(n) = g(n) + h(n) y árboles RRT.

Archivos en el .ZIP: firmware_ia_mecatronica_video_02.inoentrenamiento_e_inferencia_ia_video_02.pyplc_control_inteligente_iec61131_video_02.stplano_01_protoboard_tinkercad.pngplano_02_pcb_fr4_arquitectura.png

▶ Ver Clase en Video 📄 Descargar Manual (.PDF) 📦 Código + Planos (.ZIP)

CLASE EN VIDEO Parte 3 · Aprendizaje Supervisado, No Supervisado, Deep Learning y RL

Parte 3: Aprendizaje Automático (Machine Learning), Redes Neuronales y Aprendizaje por Refuerzo

Comprende los tres paradigmas de aprendizaje (Supervisado, No Supervisado y por Refuerzo), los modelos clásicos (SVM, Random Forest, K-Means, PCA), las Redes Neuronales (MLP, CNN, LSTM) y el control adaptativo mediante Q-Learning y PPO (Sim-to-Real).

Apuntes Clave de la Clase:

Aprendizaje Supervisado (regresión de par inverso, clasificación de fallos con SVM y Random Forest) y No Supervisado (K-Means, PCA, Autoencoders).
Anatomía del Perceptrón Multicapa (MLP): producto punto, activación ReLU/Sigmoide y entrenamiento por retropropagación y descenso de gradiente.
Redes Neuronales Convolucionales (CNN) para inspección visual y Redes Recurrentes (LSTM / 1D-CNN) para series temporales.
Aprendizaje por Refuerzo (RL): Procesos de Decisión de Markov, ecuación de Bellman en Q-Learning, Actor-Crítico PPO y transferencia Sim-to-Real.

Archivos en el .ZIP: firmware_ia_mecatronica_video_03.inoentrenamiento_e_inferencia_ia_video_03.pyplc_control_inteligente_iec61131_video_03.stplano_01_protoboard_tinkercad.pngplano_02_pcb_fr4_arquitectura.png

▶ Ver Clase en Video 📄 Descargar Manual (.PDF) 📦 Código + Planos (.ZIP)

CLASE EN VIDEO Parte 4 · Automatización Cognitiva, TinyML y Edge AI

Parte 4: Automatización Inteligente — TinyML, Edge AI, Mantenimiento Predictivo y Control Híbrido

Despliega modelos de IA directamente en microcontroladores mediante cuantización entera INT8 (TinyML), integra aceleradores Edge AI (Jetson Orin, Coral TPU), implementa Mantenimiento Predictivo (estimación RUL) y diseña arquitecturas híbridas seguras IA + PID.

Apuntes Clave de la Clase:

Pirámide de la Automatización Cognitiva (Industria 4.0/5.0): dónde insertar inferencia de IA sin comprometer los lazos críticos.
TinyML y cuantización de punto flotante FP32 a entero INT8: reducción del 75% en memoria Flash/SRAM para correr en ARM Cortex-M y ESP32.
Mantenimiento Predictivo (PdM): detección temprana de fallas en rodamientos y motores mediante firma vibracional FFT + red neuronal.
Arquitectura híbrida segura (Safety Envelope): planificación y auto-sintonización con IA supervisada por lazos PID deterministas y PLC.

Archivos en el .ZIP: firmware_ia_mecatronica_video_04.inoentrenamiento_e_inferencia_ia_video_04.pyplc_control_inteligente_iec61131_video_04.stplano_01_protoboard_tinkercad.pngplano_02_pcb_fr4_arquitectura.png

▶ Ver Clase en Video 📄 Descargar Manual (.PDF) 📦 Código + Planos (.ZIP)

CLASE EN VIDEO Síntesis Global (<= 60 s)

Resumen y Cierre del Curso: Inteligencia Artificial en Mecatrónica

Síntesis ejecutiva del curso integrando percepción con Filtro de Kalman, razonamiento difuso y A*, aprendizaje neuronal y automatización TinyML / Edge AI.

Apuntes Clave de la Clase:

Integración completa del ciclo Percepción (Kalman/Visión) -> Razonamiento (Fuzzy/A*) -> Aprendizaje (ML/DL/RL) -> Acción.
Metodología práctica para entrenar en Python y desplegar inferencia cuantizada INT8 en microcontroladores C++.
Diseño de sistemas de automatización inteligente con garantía de seguridad determinista (Safety Envelope).
Acceso completo a los 6 manuales PDF, 18 programas fuente y 12 planos de ingeniería del curso.

Archivos en el .ZIP: firmware_ia_mecatronica_video_05.inoentrenamiento_e_inferencia_ia_video_05.pyplc_control_inteligente_iec61131_video_05.stplano_01_protoboard_tinkercad.pngplano_02_pcb_fr4_arquitectura.png

▶ Ver Clase en Video 📄 Descargar Manual (.PDF) 📦 Código + Planos (.ZIP)