Aproveitando a flexibilidade da operação de geração de energia para aquecimento em edifícios e distritos para apoiar sistemas de eletricidade: uma revisão
Publicado em: Avanços na Energia Aplicada, Volume 22, 2026, página 100272
Benjamin Freischlad, Chia-Ling Yang, Agnes Engelter, Christian Vossel, Florian Reissner, Florian Steinke, Stefan Niessen
Esta revisão examina como os sistemas de energia para aquecimento (P2H), como bombas de calor, aproveitam o armazenamento térmico e a inércia térmica do edifício para fornecer flexibilidade à rede elétrica no aquecimento distrital e distribuído. Usando um processo sistemático de seleção de literatura, ele pesquisa ferramentas de simulação, estratégias de controle e estruturas de mercado junto com estudos de caso do mundo real. Embora o potencial de P2H simulado e em pequena escala esteja bem comprovado, persistem lacunas críticas em relação a estratégias de controle escaláveis, validação de campo em grande escala e planejamento intersetorial.
Veja na página do editor
Ajuste fino de RL de políticas de robôs generalistas sob latência de inferência
Enviado para: Conferência de 2026 sobre Aprendizado de Robôs (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 Mees³², Kai M. Wurm¹, Georg von Wichert¹, Eugen Solowjow¹, Andrew Wagenmaker², Sergey Levine²
(¹ Siemens, ² UC Berkeley, ³ Microsoft, ⁴ ETH Zurique, ․ Contribuição igual)
Grandes políticas modernas de robôs, como modelos de visão-linguagem-ação (VLA), sofrem com a alta latência de inferência. Esse atraso altera a dinâmica do ambiente e quebra a suposição de Markov, fazendo com que os algoritmos de aprendizado por reforço padrão (RL) falhem. Para resolver isso, os autores introduzem a RL assíncrona com informações intermediárias (ARLI), uma estrutura com reconhecimento de latência que permite um ajuste fino de RL eficaz, apesar dos atrasos na execução. O ARLI restaura a estrutura quase markoviana usando aumentos de estado que incorporam ações comprometidas e observações de inferência média. Em tarefas simuladas e do mundo real, o ARLI permite uma RL bem-sucedida sob latência, onde os métodos padrão falham, até mesmo igualando ou excedendo o desempenho ideal de latência zero.
Veja na página do editor
Co-otimização dos controles do inversor e das funções de proteção de linha para melhorar a confiabilidade da proteção e a estabilidade do sistema
Publicado em: Reunião Geral da Sociedade de Energia e Energia do IEEE de 2025 (PESGM)
S. Bhela, S. Gumussoy, U. Muenz (Siemens Foundational Technology, Princeton, NJ, EUA), D. J. Kelly, M. J. Reno (Laboratórios Nacionais Sandia, Albuquerque, NM, EUA)
A proteção moderna do sistema de energia depende da dinâmica síncrona do gerador, que é cada vez mais substituída por recursos baseados em inversores (IBRs) de acompanhamento e formação de rede (GFM). Como os IBRs exibem dinâmicas de falhas drasticamente diferentes, os esquemas de proteção existentes podem se tornar inadequados. Este artigo apresenta uma estrutura usando otimização bayesiana e simulação EMT para co-otimizar as funções de passagem por falhas do GFM e a proteção de linha, demonstrando maior confiabilidade e estabilidade da proteção em uma rede de teste 100% IBR.
Veja na página do editor
Funções de distância suavizadas para controle direto e otimizado de sistemas ricos em contato
Publicado em: 23ª Conferência Europeia de Controle (ECC) de 2025
Christian Dietz, Sebastian Albrecht, Armin Nurkanovic, Moritz Diehl
Funções de distância padrão, como o SDF euclidiano, não são diferenciáveis para corpos rígidos não lisos, como politopos. Este artigo propõe um método de suavização para uma função de distância de crescimento de politopos modelada como um programa linear paramétrico. Ao perturbar as condições de otimização, os autores provam que o SDF suave resultante está bem definido. Ao contrário das abordagens anteriores que incorporam condições exatas de otimização do SDF diretamente em um problema de controle ideal (OCP), a suavização permite uma avaliação externa. Isso reduz o tamanho do OCP e distribui o esforço computacional de maneira mais uniforme entre as avaliações de funções e os solucionadores. Avaliado por meio de uma implementação do CasaDI em uma tarefa plana de cavar no furo, o método demonstra um melhor desempenho de otimização.
Veja na página do editor
Transformador de troca de recursos de várias camadas para estimativa de pose de objetos 6D com várias visualizações na coleta de compartimentos de robôs
Publicado em: Conferência Internacional IEEE de 2025 sobre Robótica e Automação (ICRA)
Momen Khalil; Vincent Dietrich; Slobodan Ilic
A estimativa precisa da pose do objeto 6D é vital para a coleta robótica de caixas envolvendo itens sem textura, refletivos ou ocluídos. Embora os métodos de visualização múltipla superem as abordagens de visualização única, as técnicas atuais dependem da fusão em estágio avançado, perdendo a sinergia total de várias visualizações. Este artigo apresenta um Feature Exchange Transformer (FET) que permite a fusão de recursos em estágio inicial usando autoatenção e atenção cruzada epipolar. Uma estratégia grosseira a fina otimiza ainda mais a agregação de recursos de várias camadas em todas as visualizações. Construído com base no EpisurfeMB, o método aumenta significativamente a precisão e a robustez em cenários complexos de coleta de lixo, superando os métodos atuais de visualização múltipla de última geração no conjunto de dados ROBI.
Veja na página do editor
