Un grupo de investigadores del Laboratorio de Sistemas de Información y Decisión (LIDS) del Massachusetts Institute of Technology (MIT) y de científicos del Skolkovo Institute of Science and Technology (Skoltech) han desarrollado un nuevo termostato inteligente que aplica algoritmos de datos eficientes capaces de aprender los umbrales de temperaturas óptimos dentro de una semana y actúan cuando ocurren un evento determinado. La investigación se ha publicado en la revista Applied Energy y forma parte del programa MIT Skoltech Next Generation.
Los algoritmos aplicados en el termostato inteligente utilizan datos de construcción para aprender a operar de manera óptima. Los investigadores utilizaron un método llamado aprendizaje múltiple, donde las funciones complejas y de alta dimensión están representadas por funciones más simples y de menor dimensión llamadas múltiples. De esta forma, estos algoritmos desarrollados requieren de menos datos, siendo más eficiente, y permiten acelerar el proceso de aprendizaje del dispositivo.
Algoritmos RL
Los algoritmos desarrollados para el termostato emplean una metodología llamada aprendizaje por refuerzo (RL), un enfoque de control y toma de decisiones secuencial basado en datos. Los algoritmos RL del termostato inteligente se activan por eventos, es decir, solo se toman decisiones cuando ocurren determinados eventos.
Los eventos se definen por ciertas condiciones que alcanzan un umbral, como la temperatura en una habitación que se sale del rango óptimo. Este funcionamiento permite que las actualizaciones de aprendizaje sean menos frecuentes, disminuyendo el costo de los algoritmos.