Sfruttare la flessibilità del funzionamento da energia elettrica a calore negli edifici e nel teleriscaldamento per supportare i sistemi elettrici: una recensione
Pubblicato in: Advances in Applied Energy, Volume 22, 2026, pagina 100272
Benjamin Freischlad, Chia-Ling Yang, Agnes Engelter, Christian Vossel, Florian Reissner, Florian Steinke, Stefan Niessen
Questa recensione esamina come i sistemi Power-to-heat (P2H) come le pompe di calore sfruttano l'accumulo termico e l'inerzia termica degli edifici per fornire flessibilità alla rete elettrica nel teleriscaldamento e distribuito. Utilizzando un processo sistematico di selezione della letteratura, esamina gli strumenti di simulazione, le strategie di controllo e i quadri di mercato insieme a casi di studio reali. Sebbene il potenziale P2H simulato e su piccola scala sia ben collaudato, persistono lacune critiche per quanto riguarda le strategie di controllo scalabili, la convalida sul campo su larga scala e la pianificazione intersettoriale.
Visualizza sulla pagina dell'editore
RL messa a punto delle politiche generaliste sui robot in base alla latenza di inferenza
Inviato a: Conferenza sull'apprendimento dei robot del 2026 (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 Narayanan¹, Melih Erdogan¹, Oier Mees³►², Kai M. Wurm¹, Georg von Wichert¹, Eugen Solowjow¹, Andrew Wagenmaker², Sergey Levine²
(¹ Siemens, ² UC Berkeley, ³ Microsoft, ◊ ETH Zurigo, 王Contributo uguale)
Le grandi politiche sui robot moderni, come i modelli vision-language-action (VLA), soffrono di un'elevata latenza di inferenza. Questo ritardo altera le dinamiche ambientali e infrange l'ipotesi di Markov, causando il fallimento degli algoritmi standard di reinforcement learning (RL). Per risolvere questo problema, gli autori introducono l'RL asincrono con informazioni intermedie (ARLI), un framework sensibile alla latenza che consente un'efficace ottimizzazione degli RL nonostante i ritardi di esecuzione. ARLI ripristina la struttura quasi markoviana utilizzando aumenti di stato che incorporano azioni impegnate e osservazioni a metà inferenza. In tutte le attività simulate e nel mondo reale, ARLI consente un RL di successo in condizioni di latenza laddove i metodi standard falliscono, persino eguagliando o superando le prestazioni ideali a latenza zero.
Visualizza sulla pagina dell'editore
Co-ottimizzazione dei controlli degli inverter e delle funzioni di protezione della linea per una maggiore affidabilità della protezione e stabilità del sistema
Pubblicato in: 2025 IEEE Power & Energy Society General Meeting (PESGM)
S. Bhela, S. Gumussoy, U. Muenz (Siemens Foundational Technology, Princeton, NJ, USA), D.J. Kelly, M.J. Reno (Sandia National Laboratories, Albuquerque, NM, USA)
La protezione moderna del sistema di alimentazione si basa sulla dinamica sincrona dei generatori, che viene sempre più sostituita da risorse basate su inverter (IBR) che seguono la rete e formano la rete (GFM). Poiché gli IBR mostrano dinamiche di guasto drasticamente diverse, gli schemi di protezione esistenti possono diventare inadeguati. Questo documento presenta un framework che utilizza l'ottimizzazione bayesiana e la simulazione EMT per co-ottimizzare le funzioni di ride-through dei guasti GFM e la protezione della linea, dimostrando una maggiore affidabilità e stabilità della protezione su una rete di test IBR al 100%.
Visualizza sulla pagina dell'editore
Funzioni di distanza attenuate per un controllo diretto e ottimale dei sistemi ricchi di contatti
Pubblicato in: 2025 23a European Control Conference (ECC)
Christian Dietz, Sebastian Albrecht, Armin Nurkanovic, Moritz Diehl
Le funzioni di distanza standard come l'SDF euclideo non sono differenziabili per corpi rigidi non lisci come i politopi. Questo articolo propone un metodo di livellamento per una funzione di distanza di crescita dei politopi modellata come un programma lineare parametrico. Perturbando le condizioni di ottimalità, gli autori dimostrano che l'SDF liscio che ne risulta è ben definito. A differenza degli approcci precedenti che incorporano condizioni esatte di ottimalità SDF direttamente in un problema di controllo ottimale (OCP), il livellamento consente una valutazione esterna. Ciò riduce le dimensioni dell'OCP e distribuisce lo sforzo computazionale in modo più uniforme tra le valutazioni delle funzioni e i risolutori. Valutato tramite un'implementazione CasaDI su un'attività planare peg-in-hole, il metodo dimostra prestazioni di ottimizzazione migliorate.
Visualizza sulla pagina dell'editore
Trasformatore di scambio di funzionalità multistrato per la stima della posa di oggetti 6D con più visualizzazioni nel prelievo di contenitori robotici
Pubblicato in: Conferenza internazionale IEEE 2025 sulla robotica e l'automazione (ICRA)
Momen Khalil; Vincent Dietrich; Slobodan Ilic
Una stima accurata della posa degli oggetti in 6D è fondamentale per il prelievo robotico di contenitori che coinvolgono oggetti privi di texture, riflettenti o occlusi. Sebbene i metodi a visualizzazione multipla superino gli approcci a visualizzazione singola, le tecniche attuali si basano sulla fusione in fase avanzata, senza una sinergia completa a più visualizzazioni. Questo documento introduce un Feature Exchange Transformer (FET) che consente la fusione di funzionalità in fase iniziale utilizzando l'autoattenzione e l'attenzione incrociata epipolare. Una strategia da grossolana a fine ottimizza ulteriormente l'aggregazione di funzionalità a più livelli tra le visualizzazioni. Basato su EpisurFemb, il metodo migliora significativamente la precisione e la robustezza in scenari complessi di bin-picking, superando gli attuali metodi multi-view all'avanguardia sul set di dati ROBI.
Visualizza sulla pagina dell'editore
