Seminario de Rodrigo Aldana López

Esta ponencia trata sobre la diferenciación distribuida, en la que los agentes que reciben señales locales que varían en el tiempo deben estimar de forma cooperativa la media a escala de la red y la derivada de dicha media basándose únicamente en la comunicación entre vecinos.

La principal contribución reside en un marco de Lyapunov que extrae las características estructurales esenciales comunes al diferenciador de supertorsión clásico y las integra en un modelo abstracto de supertorsión que da cuenta de la dinámica de los errores dentro de la red.

Mediante herramientas procedentes del análisis convexo y de la homogeneidad, construimos una función de Lyapunov basada en un potencial homogéneo estrictamente convexo y su conjugado convexo, lo que conduce a condiciones de ganancia explícitas y a una convergencia global en tiempo finito hacia el consenso a partir de condiciones iniciales arbitrarias.

A continuación, demostramos que el diferenciador distribuido se inscribe en este modelo abstracto seleccionando un potencial construido a partir de los desacuerdos entre aristas inducidos por la estructura del grafo.

Las extensiones de este marco incluyen la diferenciación distribuida de tipo «líder-seguidor» y el seguimiento de formación afín basado en el modelo HOSM.

Rodrigo Aldana López nació en Guadalajara (México) y se doctoró en la Universidad de Zaragoza (España). Ha recibido el premio EECI a la mejor tesis doctoral en sistemas y control en Europa del año 2024.

Actualmente ocupa el cargo de catedrático emérito en la Universidad de Zaragoza en el marco del programa de becas Beatriz Galindo.

Sus áreas de interés abarcan la teoría del control, la optimización distribuida, la robótica, el aprendizaje automático, los sistemas en red y la toma de decisiones autónoma.

Ha colaborado con Intel Labs en los campos de la inteligencia artificial, la robótica y los sistemas informáticos a gran escala, lo que ha dado lugar a más de 20 patentes concedidas.

Es editor adjunto de la revista «Journal of the Franklin Institute» y autor de numerosas publicaciones en revistas y en congresos de primer orden en los ámbitos de los sistemas y el control, la robótica y el aprendizaje automático.

Super-torsión en redes: un enfoque de Lyapunov de la diferenciación distribuida.