如果機器人與代理人工智慧能夠可靠地操作關鍵基礎設施，該怎麼
操作關鍵基礎架構變得越來越複雜。為了應對這些挑戰，自動化系統必須了解目標，適應變化的條件，做出明智的決策並在現實世界中安全行動 —— 保持工廠生產力、建築高效率和能源系統可靠。
重要的是可信賴的自主性，將意圖轉化為行動。在真實世界限制下感知、決定和行動的控制系統。
公司核心技術
自主系統與控制
我們的研究是值得信賴的營運自主性的基礎。這些技術使自動系統能夠將人類意圖轉化為行動，幫助工廠、建築物、能源網和機器更有效率、彈性和可持續地運作，同時保持安全性和可靠性。
自主系統與控制研究推動可靠的操作自主性的基礎。它包括情境意識和操作智能，自主決策和控制理論，以意向為基礎的操作，自主編排以及物理 AI 和機器人。
這些功能結合以人為中心的自主性和嚴格的驗證和保證，使自動化系統能夠了解目標，持續適應不斷變化的條件，並在現實世界中安全可靠地運行。
這些 公司核心技術 使自動化工廠、建築物和網格可持續適應不斷變化的條件。應用範圍包括智能機器和機器人到生產優化、自主電網運營和多模式能源管理系統。
結果是更高的工廠生產力，更高的建築物效率，更具彈性的能源基礎設施和更可持續的工業營運
出版物
探索我們的精選論文
利用樓宇和區域供暖中的電對熱運作的靈活性來支持電力系統：回顧
發表於：應用能源的進步，2026 年第 22 卷，第 100272 頁
本傑明·弗萊施拉德、楊嘉玲、艾格尼斯·恩格爾特、克里斯蒂安·沃塞爾、弗洛里安·雷斯納、弗洛里安·斯坦克、斯蒂芬·尼森
本回顧研究了熱泵等功率對熱 (P2H) 系統如何利用熱儲存和建築物熱慣性，在區域和分散式暖氣中提供電網的靈活性。它使用系統性的文獻選擇過程，並調查模擬工具，控制策略和市場框架以及實際案例研究。雖然小規模和模擬 P2H 潛力已經得到充分證明，但在可擴展控制策略、大規模現場驗證和跨領域規劃方面仍然存在關鍵差距。
在出版商頁面查看
在推論延遲下，RL 精細調整通用機器人政策
提交至：2026 年機器人學習會議（CoRL）
布萊恩朱五 ¹、莫曼哈里爾五 ¹、埃馬努埃萊·波吉五 ¹、菲利普·塞巴斯蒂安·施米特 ¹、伯恩德·卡斯特 ¹、菲林梅斯特 ¹、普蘭納夫·阿特雷亞 ²、齊陽利 ²、芬·費爾喬 ¹、塞薩爾·科爾梅內羅 ¹、亞什沙哈普卡 ¹、古庫爾納拉雅 ¹、梅蘭尼·埃爾加尼 ¹，奧伊爾·梅斯 ³²，凱米·沃姆 ¹，格奧爾格·馮·維赫特 ¹，尤根·索洛沃夫 ¹，安德魯·瓦根馬克 ²，謝爾蓋·萊文 ²
(¹ 西門子, ² 大學伯克利大學, ³ 微軟, ⁴ 蘇黎世 ETH, ⁄ 等貢獻)
大型現代機器人政策，例如視覺語言動作 (VLA) 模型，導論延遲很高。這種延遲會改變環境動態並打破 Markov 假設，導致標準強化學習（RL）算法失敗。為了解決這個問題，作者引入具有中間信息（ARLI）的非同步 RL，這是一個延遲感知框架，儘管執行延遲仍可實現有效的 RL 微調。ARLI 使用結合已承諾的動作和中間推論觀察的狀態增強來恢復近馬科維的結構。在模擬和實際工作中，ARLI 在標準方法失敗的情況下實現成功的 RL，甚至匹配或超過理想的零延遲效能。
在出版商頁面查看
逆變器控制和線路保護功能共同優化，以提高保護可靠性和系統穩定性
發表於:2025 年 IEEE 電源與能源協會股東大會（PESGM）
斯·貝拉、斯·古穆索伊，美國慕恩茲（西門子基礎技術，新澤西州普林斯頓，美國），D.J. 凱利，M.J. Reno（桑迪亞國家實驗室，新墨西哥州阿爾伯克基，美國）
現代電力系統保護依賴於同步發電機動態，這些動態越來越被網格追蹤和格狀成型 (GFM) 逆變器資源 (IBR) 取代。由於 IBR 顯示嚴重不同的故障動態，因此現有的保護方案可能會變得不足。本文介紹了使用貝氏優化和 EMT 模擬共同優化 GFM 故障通過功能和線路保護的框架，展示了在 100% IBR 測試網絡上提高了保護可靠性和穩定性。
在出版商頁面查看
平滑的距離功能，可直接最佳控制觸點豐富的系統
發表於：2025 年第 23 屆歐洲控制會議（ECC）
克里斯蒂安·迪茨，塞巴斯蒂安·阿爾布雷赫特，阿敏·努爾卡諾維奇，莫里茨·迪爾
如歐克里德 SDF 這樣的標準距離函數對於非平滑的剛性物體（如多極體）來說是不可分化的。本文為參數式線性程序模型化的多地形成長距離函數提出平滑方法。通過干擾最佳性條件，作者證明產生的平滑 SDF 已清晰定義。與先前將精確的 SDF 最佳化條件直接嵌入到最佳控制問題 (OCP) 中的方法不同，平滑化允許外部評估。這可減少 OCP 大小，並在函數評估和求解器之間更均勻地分配計算工作。該方法通過在平面的夾孔工作上的 CasaDi 實作進行評估，展示了改進的最佳化性能。
在出版商頁面查看
多層特徵交換變壓器，用於機器人垃圾桶採集中的多視圖 6D 物體位置估算
發表於:2025 IEEE 國際機器人與自動化研討會（ICRA）
莫曼·哈利爾；文森特·迪特里希；斯洛博丹·伊利奇
準確的 6D 物體姿勢估算對於涉及無紋理、反射或遮蔽物品的機器人垃圾桶採集至關重要。雖然多視圖方法表現優於單一視圖方法，但目前的技術依賴於後期合併，缺少完整的多視圖協同效應。本文介紹了一種特徵交換變壓器（FET），可以通過自我注意和表極交叉注意來實現早期特徵融合。從粗到細的策略進一步最佳化跨視圖的多層特徵聚合。該方法建立在 EpisurfeMB 之上，在複雜的分盤採集情境中顯著提高準確性和穩定性，優於 ROBI 資料集中目前最先進的多檢視方法。
在出版商頁面查看