Aprovechar la flexibilidad de la operación de energía a calefacción en la calefacción urbana y de edificios para apoyar los sistemas eléctricos: una reseña
Publicado en: Advances in Applied Energy, volumen 22, 2026, página 100272
Benjamin Freischlad, Chia-Ling Yang, Agnes Engelter, Christian Vossel, Florian Reissner, Florian Steinke, Stefan Niessen
Esta reseña examina cómo los sistemas de energía a calefacción (P2H), como las bombas de calor, aprovechan el almacenamiento térmico y la inercia térmica de los edificios para proporcionar flexibilidad a la red eléctrica en la calefacción urbana y distribuida. Mediante un proceso sistemático de selección de literatura, examina las herramientas de simulación, las estrategias de control y los marcos de mercado, junto con estudios de casos del mundo real. Si bien el potencial P2H simulado y a pequeña escala está bien demostrado, persisten brechas críticas en cuanto a las estrategias de control escalables, la validación de campo a gran escala y la planificación intersectorial.
Ver en la página del editor
RL afinando las políticas generalistas sobre robots bajo la latencia de inferencia
Presentado a: Conferencia sobre aprendizaje robótico (CoRL) de 2026
Brian Zhu¹, Momen Khalil¹, E. H. Harrison², Emanuele Poggi, Philipp Sebastian Schmitt¹, Bernd Kast¹, Philine Meister¹, Pranav Atreya², Qiyang Li², Finn Ferchau¹, César Colmenero¹, Yash Shahapurkar¹, Gokul Narayan¹, Melih Erdogan¹, Oier Mees², Kai M. Wurm¹, Georg von Wichert¹, Eugen Solowjow¹, Andrew Wagenmaker², Sergey Levine²
(¹ Siemens, ² UC Berkeley, ³ Microsoft, ETH Zúrich, Igualdad de contribución)
Las grandes políticas de robots modernos, como los modelos de visión, lenguaje y acción (VLA), sufren una alta latencia de inferencia. Este retraso altera la dinámica del entorno y rompe la suposición de Markov, lo que provoca que los algoritmos estándar de aprendizaje por refuerzo (RL) fallen. Para solucionarlo, los autores introducen la RL asíncrona con información intermedia (ARLI), un marco que reconoce la latencia que permite ajustar la RL de forma eficaz a pesar de los retrasos en la ejecución. ARLI restaura una estructura casi markoviana mediante aumentos de estado que incorporan acciones comprometidas y observaciones a mitad de la inferencia. En tareas simuladas y del mundo real, ARLI permite una RL exitosa bajo latencia cuando los métodos estándar fallan, incluso igualando o superando el rendimiento ideal de latencia cero.
Ver en la página del editor
Optimización conjunta de los controles del inversor y las funciones de protección de línea para mejorar la protección, la fiabilidad y la estabilidad del sistema
Publicado en: Reunión General de la Sociedad de Energía y Energía del IEEE (PESGM) de 2025
S. Bhela, S. Gumussoy, U. Muenz (Siemens Foundational Technology, Princeton, Nueva Jersey, EE. UU.), D. J. Kelly, M. J. Reno (Sandia National Laboratories, Albuquerque, Nuevo México, EE. UU.)
La protección de los sistemas de energía modernos se basa en la dinámica sincrónica de los generadores, que cada vez es más sustituida por recursos basados en inversores (IBR) que siguen y forman la red (GFM). Como los IBR muestran dinámicas de fallos drásticamente diferentes, los sistemas de protección existentes pueden resultar inadecuados. Este artículo presenta un marco que utiliza la optimización bayesiana y la simulación de EMT para optimizar conjuntamente las funciones de conducción de fallos de GFM y la protección de línea, y demuestra una mejora de la protección, la fiabilidad y la estabilidad en una red de pruebas 100% IBR.
Ver en la página del editor
Funciones de distancia suavizadas para un control directo y óptimo de los sistemas ricos en contactos
Publicado en: 2025 23ª Conferencia Europea de Control (ECC)
Christian Dietz, Sebastian Albrecht, Armin Nurkanovic, Moritz Diehl
Las funciones de distancia estándar, como la SDF euclidiana, no son diferenciables para cuerpos rígidos no lisos, como los politopos. Este artículo propone un método de suavizado para una función de distancia de crecimiento politópico modelada como un programa lineal paramétrico. Al perturbar las condiciones óptimas, los autores demuestran que el SDF fluido resultante está bien definido. A diferencia de los enfoques anteriores que incorporaban las condiciones óptimas exactas del SDF directamente en un problema de control óptimo (OCP), la suavización permite la evaluación externa. Esto reduce el tamaño de la OCP y distribuye el esfuerzo computacional de manera más uniforme entre las evaluaciones de funciones y los solucionadores. Evaluado mediante una implementación de CasaDi en una tarea plana y fija, el método demuestra una mejora del rendimiento de optimización.
Ver en la página del editor
Transformador de intercambio de funciones multicapa para estimar la postura de objetos 6D con múltiples vistas en robots recogiendo papeleras
Publicado en: Conferencia Internacional de Robótica y Automatización (ICRA) del IEEE de 2025
Momen Khalil; Vincent Dietrich; Slobodan Ilic
La estimación precisa de la postura de los objetos en 6D es vital para recoger basura robótico con objetos sin textura, reflectantes u ocluidos. Si bien los métodos de visión múltiple superan a los enfoques de visión única, las técnicas actuales se basan en la fusión en etapas tardías y carecen de una sinergia total de múltiples puntos de vista. Este artículo presenta un transformador de intercambio de funciones (FET) que permite la fusión de funciones en fase inicial mediante la autoatención y la atención cruzada epipolar. Una estrategia gruesa a fina optimiza aún más la agregación de funciones multicapa en todas las vistas. Basado en EpiSurfeMB, el método mejora significativamente la precisión y la solidez en escenarios complejos de selección de contenedores, superando a los actuales métodos multivista de última generación en el conjunto de datos ROBI.
Ver en la página del editor
