Проблема: «Слепое» управление климатом
Здания потребляют около трети мировой энергии. Традиционные методы оптимизации HVAC (отопление, вентиляция, кондиционирование) страдают от задержек термодинамических реакций и частичной наблюдаемости. Они часто не могут предсказать поведение системы в новых условиях (out-of-distribution), так как зависят от плотного датчикового покрытия, которое дорого и нарушает приватность.
Решение: ADAPT — мир-модель на базе диффузии
Команда авторов (Xu Yang, Kailai Sun, Dianyu Zhong, Qianchuan Zhao) предложила ADAPT (Adaptive Predictive Transferable HVAC Control). Это условная диффузионная модель, которая:
- Предсказывает краткосрочный тепловой базис при удержании действий, чтобы уловить скрытую тепловую инерцию здания.
- Использует диффузионный бэкбоунд для генерации траекторий.
- Применяет обучаемый регуляризатор теплового баланса по зонам, который гарантирует соблюдение законов термодинамики без знания геометрии здания или ручной калибровки параметров.
Результаты: Экономия и устойчивость
Эксперименты на симуляторах SemibuildingSim и Sinergym показали впечатляющие результаты. ADAPT не только экономит энергию, но и значительно повышает комфорт, оставаясь стабильной при смене сезонов и климатических зон.
| Метрика | Результат ADAPT vs Baseline | Значение |
|---|---|---|
| Энергопотребление HVAC | -7.3% | Снижение затрат на климат-контроль |
| -30.2% | Значительное улучшение качества среды | |
| OOD сценарии (новые сезоны/регионы) | Минимальная деградация | Высокая переносимость (transfer robustness) |
Почему это важно
ADAPT решает ключевую проблему обобщения: модель учится на данных одного режима работы, но эффективно работает в совершенно новых климатических условиях без переобучения. Это шаг к автономным, энергоэффективным и «умным» зданиям, соответствующим целям устойчивого развития ООН (SDG 11 и 13).
Источник: arXiv cs.AI ↗