Artelys Knitro, maintenant disponible pour ARM, s’ouvre au monde de l’embarqué !

5 octobre 2020

— Artelys Knitro s’ouvre à de nouveaux champs d’application avec une version disponible pour les systèmes embarqués basés sur une architecture ARM.

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 !

Nouvelle méthode de résolution pour les problèmes de trajectoires de mix énergétiques

Nouvelle méthode de résolution pour les problèmes de trajectoires de mix énergétiques

— La planification de la transition énergétique nécessite d’être en mesure d’optimiser les trajectoires d’évolution des systèmes énergétiques en tenant compte d’interactions et contraintes complexes, portant notamment sur les interactions entre secteurs et vecteurs. Dans ce contexte, Artelys a mis en place une nouvelle méthode de résolution, permettant d’apporter des solutions à ces problèmes mathématiques de taille considérable.

lire plus
Faites décoller vos performances grâce à l’Intelligence Artificielle et notre offre de service : Onboarding IA

Faites décoller vos performances grâce à l’Intelligence Artificielle et notre offre de service : Onboarding IA

— Les enjeux de l’Intelligence Artificielle (IA) revêtent aujourd’hui une importance stratégique pour les entreprises et ce quel que soit leur domaine d’activité ou leur taille. En tant qu’expert du domaine, Artelys propose de vous accompagner du cadrage à la mise en place de votre première solution IA, en coconstruisant avec vos équipes une feuille de route sur mesure pour vos métiers.

lire plus

s’abonner à nos newsletters

Les données collectées seront exclusivement traitées par la société Artelys dans le but de vous tenir informé(e) des services et produits commercialisés par notre entreprise.

🛈

© ARTELYS • Tous droits réservés • Mentions légales

Pin It on Pinterest

Share This