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 !
Rencontrez l’équipe d’Artelys Canada lors des Journées de l’Optimisation 2022 !
— Rencontrez Artelys le 18 mai 2022 pour découvrir Artelys Knitro, le solveur le plus avancé pour l’optimisation non linéaire et les moyens d’exploiter tout le potentiel de l’optimisation mathématique.
Artelys recrute !
— Artelys recrute ses prochains développeurs !
Participez à l’évènement METIS 2 dissemination !
— Artelys a le plaisir de vous inviter à l’événement METIS 2 le 31 mai. Au cours de cet événement en ligne, nous présenterons les derniers résultats du projet METIS et discuterons de l’utilisation de cet outil de modélisation pour l’élaboration des politiques énergétiques et climatiques.
Artelys livre à la Commission européenne une mise à jour majeure du modèle énergétique européen METIS
— Dans le cadre du projet METIS, Artelys a livré en 2018 un premier modèle à la Commission européenne. Cette année, Artelys a fourni une mise à niveau majeure du modèle de système énergétique européen METIS.
s’abonner à nos newsletters
© ARTELYS • Tous droits réservés • Mentions légales