Aproveitar a flexibilidade da operação de energia para aquecimento no aquecimento de edifícios e distritos para suportar 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 as bombas de calor, alavancam o armazenamento térmico e a inércia térmica de construção para fornecer flexibilidade da rede elétrica no aquecimento distrital e distribuído. Usando um processo sistemático de seleção de literatura, pesquisa ferramentas de simulação, estratégias de controlo e estruturas de mercado juntamente com estudos de caso do mundo real. Embora o potencial P2H simulado e em pequena escala esteja bem comprovado, persistem lacunas críticas no que diz respeito a estratégias de controlo escaláveis, validação de campo em larga escala e planeamento intersetorial.
Ver na página do editor
Ajustamento fino de RL de políticas generalistas de robôs sob latência de inferência
Submetido a: Conferência 2026 sobre Aprendizagem 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, Kul Narayanan¹, Melih Erdogan¹, Oier Mees³², Kai M. Wurm¹, Georg von Wichert¹, Eugen Solowjow¹, Andrew Wagenmaker², Sergey Levine²
(¹ Siemens, ² UC Berkeley, ³ Microsoft, ETH Zurique, Igualdade de contribuição)
Grandes políticas de robôs modernos, tais como modelos de vision-language-action (VLA), sofrem de alta latência de inferência. Este atraso altera a dinâmica do ambiente e quebra a suposição de Markov, fazendo com que os algoritmos padrão de aprendizagem por reforço (RL) falhem. Para resolver isto, os autores introduzem o RL assíncrono com informação intermédia (ARLI), uma estrutura sensível à latência que permite um ajuste fino de RL eficaz apesar dos atrasos na execução. 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 um RL bem-sucedido sob latência onde os métodos padrão falham, mesmo correspondendo ou excedendo o desempenho ideal de latência zero.
Ver na página do editor
Co-optimização dos controlos do inversor e funções de protecção de linha para uma protecção melhorada, fiabilidade e estabilidade do sistema
Publicado em: Reunião Geral da Sociedade IEEE Power & Energy 2025 (PESGM)
S. Bhela, S. Gumussoy, Estados Unidos da América (Siemens Foundational Technology, Princeton, NJ, EUA), D. J. Kelly, M. J. Reno (Sandia National Laboratories, Albuquerque, NM, EUA)
A proteção do sistema de energia moderna depende da dinâmica síncrona do gerador, que é cada vez mais substituída por recursos baseados em inversores (IBRs) de seguimento de rede e formação de rede (GFM). Como os IBRs apresentam dinâmicas de falha drasticamente diferentes, os esquemas de proteção existentes podem tornar-se inadequados. Este artigo apresenta uma estrutura que utiliza a otimização Bayesiana e a simulação EMT para co-otimizar as funções de travagem de falhas GFM e a proteção de linha, demonstrando uma melhor fiabilidade e estabilidade da proteção numa rede de teste 100% IBR.
Ver na página do editor
Funções de distância suavizadas para um controlo óptimo directo de sistemas ricos em contactos
Publicado em: 2025 23ª Conferência Europeia de Controlo (ECC)
Christian Dietz, Sebastián 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 do polítopo modelada como um programa linear paramétrico. Ao perturbarem as condições de otimalidade, os autores provam que o SDF suave resultante está bem definido. Ao contrário das abordagens anteriores que incorporam condições exatas de otimalidade SDF diretamente num problema de controlo óptimo (OCP), a suavização permite uma avaliação externa. Isto reduz o tamanho do OCP e distribui o esforço computacional de forma mais uniforme entre as avaliações de funções e solucionadores. Avaliado através de uma implementação CasaDi numa tarefa planar peg-in-hole, o método demonstra um melhor desempenho de otimização.
Ver na página do editor
Transformador de troca de recursos multicamadas para estimativa de pose de objeto 6D multi-vista na seleção de lixeira do robô
Publicado em: Conferência Internacional IEEE 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 lixeira envolvendo itens sem textura, reflexivos ou ocluídos. Embora os métodos multi-vista superem as abordagens de visão única, as técnicas atuais dependem da fusão em estágio avançado, faltando uma sinergia multivisualização completa. Este artigo apresenta um Feature Exchange Transformer (FET) que permite a fusão de características em estágio inicial usando auto-atenção e atenção cruzada epipolar. Uma estratégia completa otimiza ainda mais a agregação de funcionalidades multicamadas entre as visualizações. Construído sobre o EpisurFemb, o método aumenta significativamente a precisão e a robustez em cenários complexos de coleta de bin-picking, superando os atuais métodos multi-view de última geração no conjunto de dados ROBI.
Ver na página do editor
