Aprovechar la flexibilidad de la operación de energía a calor en la calefacción de edificios y distritos para apoyar los sistemas eléctricos: una revisión
Publicado en: Avances en Energía Aplicada, Volumen 22, 2026, página 100272
Benjamin Freischlad, Chia-Ling Yang, Agnes Engelter, Christian Vossel, Florian Reissner, Florian Steinke, Stefan Niessen
Esta revisión examina cómo los sistemas de energía a calor (P2H) como las bombas de calor aprovechan el almacenamiento térmico y la inercia térmica del edificio para proporcionar flexibilidad de la red eléctrica en calefacción urbana y distribuida. Mediante un proceso sistemático de selección de literatura, examina herramientas de simulación, estrategias de control y marcos de mercado junto con estudios de casos del mundo real. Si bien el potencial P2H simulado y a pequeña escala está bien probado, persisten brechas críticas con respecto a estrategias de control escalables, validación de campo a gran escala y planificación intersectorial.
Ver en la página del editor
Afinación RL de políticas generalistas de robots bajo latencia de inferencia
Enviado a: Conferencia 2026 sobre aprendizaje de robots (CoRL)
Brian Zhu¹, Momen Khalil¹, E. H. Harrison², Emanuele Poggi¹, Philipp Sebastian Schmitt¹, Bernd Kast¹, Philine Meister¹, Pranav Atreya², Qiyang Li², Finn Ferchau¹, Cesar Colmenero¹, Yash Shahapurkar¹, Gokul Narayan¹ ¹, Melih Erdogan¹, Oier Mees³², Kai M. Wurm¹, Georg von Wichert¹, Eugen Solowjow¹, Andrew Wagenmaker², Sergey Levine²
(¹ Siemens, ² UC Berkeley, ³ Microsoft, 4 ETH Zúrich, 5 Contribución igual)
Las políticas modernas de robots grandes, como los modelos de visión-lenguaje-acción (VLA), sufren de una alta latencia de inferencia. Este retraso altera la dinámica del entorno y rompe la suposición de Markov, causando que los algoritmos estándar de aprendizaje por refuerzo (RL) fallen. Para resolver esto, los autores introducen RL asíncrono con información intermedia (ARLI), un marco con reconocimiento de latencia que permite un ajuste efectivo de RL a pesar de los retrasos en la ejecución. ARLI restaura la estructura casi markoviana utilizando aumentaciones de estado que incorporan acciones comprometidas y observaciones de inferencia media. En todas las tareas simuladas y del mundo real, ARLI permite una RL exitosa bajo latencia donde los métodos estándar fallan, incluso igualando o superando el rendimiento ideal de latencia cero.
Ver en la página del editor
Co-optimización de los controles del inversor y las funciones de protección de línea para mejorar la confiabilidad de la protección y la estabilidad del sistema
Publicado en: Asamblea General de la IEEE Power & Energy Society (PESGM) 2025
S. Bhela, S. Gumussoy, U. Muenz (Siemens Foundational Technology, Princeton, NJ, EE. UU.), D.J. Kelly, M.J. Reno (Sandia National Laboratories, Albuquerque, NM, EE. UU.)
La protección moderna del sistema de energía se basa en la dinámica síncrona del generador, que se reemplaza cada vez más por recursos basados en inversores (IBR) de seguimiento de la red y formación de red (GFM). Debido a que los IBR muestran dinámicas de fallas drásticamente diferentes, los esquemas de protección existentes pueden volverse inadecuados. Este documento presenta un marco que utiliza la optimización bayesiana y la simulación EMT para co-optimizar las funciones de recorrido por fallas de GFM y la protección de línea, demostrando una mayor confiabilidad y estabilidad de la protección en una red de prueba 100% IBR.
Ver en la página del editor
Funciones de distancia suavizadas para un control óptimo directo de sistemas con gran cantidad de contactos
Publicado en: 23a Conferencia Europea de Control (ECC) 2025
Christian Dietz, Sebastian Albrecht, Armin Nurkanovic, Moritz Diehl
Las funciones de distancia estándar como el SDF euclidiano no son diferenciables para cuerpos rígidos no lisos como politopos. Este documento propone un método de suavizado para una función de distancia de crecimiento politópico modelada como un programa lineal paramétrico. Al perturbar las condiciones de optimización, los autores prueban que el SDF suave resultante está bien definido. A diferencia de los enfoques anteriores que incorporan condiciones exactas de optimización SDF directamente en un problema de control óptimo (OCP), el suavizado permite una evaluación externa. Esto reduce el tamaño de 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 de peg-in-hole, el método demuestra un rendimiento de optimización mejorado.
Ver en la página del editor
Transformador de intercambio de características multicapa para la estimación de pose de objetos 6D multivista en la recolección de basura de robots
Publicado en: Conferencia Internacional IEEE 2025 sobre Robótica y Automatización (ICRA)
Momen Khalil; Vincent Dietrich; Slobodan Ilic
La estimación precisa de la postura del objeto 6D es vital para la recolección robótica de basura que involucre artículos sin textura, reflectantes u ocluidos. Si bien los métodos de vista múltiple superan a los enfoques de vista única, las técnicas actuales se basan en la fusión en etapas avanzadas, perdiendo una sinergia multivista completa. Este documento presenta un Transformador de intercambio de características (FET) que permite la fusión de características en etapas tempranas mediante la autoatención y la atención cruzada epipolar. Una estrategia gruesa a fina optimiza aún más la agregación de características multicapa en todas las vistas. Construido sobre EpisurFemb, el método mejora significativamente la precisión y la robustez en escenarios complejos de selección de papeleras, superando a los métodos multivista actuales de última generación en el conjunto de datos ROBI.
Ver en la página del editor
