Artelys Knitro, maintenant disponible pour ARM, s’ouvre au monde de l’embarqué !
Avec l’avènement des smartphones, le développement de l’IoT et de systèmes complexes tels que les véhicules autonomes, équipés d’une multitude de capteurs générant des données en temps réel, les opportunités d’implémenter des solutions de Machine Learning et d’Optimisation en embarqué se multiplient.
Pourquoi un solveur non linéaire en embarqué ?
Les méthodes d’optimisation sont essentielles en Machine Learning
Pendant la phase d’entraînement du modèle, un grand nombre de paramètres doit être ajusté afin de minimiser une fonction non linéaire. Par exemple, une caméra qui détecte les défauts sur une chaîne de production peut être entraînée sur un jeu de données contenant des images de produits bien finis et défectueux. Cet entraînement repose sur l’ajustement d’un grand nombre de paramètres afin de minimiser le taux d’erreur du système. Cela implique souvent la résolution d’un problème d’optimisation non linéaire.
On peut noter que dans la majorité des cas, le modèle est pré-entraîné sur le cloud. Cependant, il s’agit d’un processus long qui nécessite d’envoyer les données de l’appareil vers le serveur, et de mettre à jour les paramètres du modèle dans le sens inverse. Dans des situations où il faut que le système puisse répondre à de nouveaux scénarios en temps réel, il sera important de pouvoir entraîner le modèle localement.
De plus, dans le cas du traitement de données personnelles, une telle démarche facilite la protection des données puisqu’elles n’ont pas à être transmises.
Il y a des applications pour lesquelles il est nécessaire de résoudre un problème d’optimisation en temps réel
Les voitures autonomes, par exemple, utilisent le Machine Learning et l’optimisation de façon complémentaire. Le premier va permettre au système d’apprendre à identifier les obstacles statiques ou mobiles et la signalisation. Une fois ces données connues, le véhicule doit calculer une trajectoire vers la destination souhaitée qui tient compte de la forme de la route et des obstacles, assure la sécurité et le confort des voyageurs tout en minimisant la consommation d’énergie et le temps de trajet.
Il s’agit là d’un problème d’optimisation non linéaire, et l’optimisation embarquée est utilisée dans beaucoup d’autres domaines comme la stabilisation de drones ou encore l’atterrissage des fusées !
Lancement de GEODIP, outil de cartographie de la précarité énergétique en France
— En collaboration avec l’Observatoire National de la Précarité Énergétique (ONPE), Artelys a développé GEODIP, un outil de cartographie de la précarité énergétique en France. Il est disponible gratuitement pour tous les acteurs territoriaux.
Catalogue de formations 2022
— Vous souhaitez vous former en 2022 pour être plus innovant(e) dans votre entreprise, devenir plus performant(e) ou tout simplement vous ouvrir à d’autres horizons.
Adjoint(e) au Directeur Administratif et Financier
Rejoignez une équipe dynamique, à la conquête du marché belge, motivée par le goût de la résolution de problèmes difficiles et des enjeux économiques associés.
Le laboratoire de robotique biomimétique du MIT utilise Artelys Knitro pour réaliser l’atterrissage d’un robot quadrupède
— Artelys Knitro est utilisé dans des projets aussi variés que passionnants. Récemment, le MIT Biomimetic Robotics Lab a utilisé notre solveur non linéaire sur un robot quadrupède. Artelys Knitro s’est avéré être le seul solveur non linéaire capable de fonctionner assez rapidement pour être déployé sur leur robot pour un contrôle d’atterrissage optimal en temps réel.
s’abonner à nos newsletters
