Model-Based Engineering of Autonomous Systems
with MATLAB

From Manual to Autonomous Systems Using MATLAB & Simulink
Gaurav Tomar, Industry Marketing Manager – Automotive, MathWorks

The automobile went through its digital transformation with the addition of electronic controls in virtually every system. With automated driving and predictive maintenance, the automobile is experiencing another digital transformation in which data-driven algorithms for implementing artificial intelligence are playing a key role. In this presentation, Gaurav Tomar, who manages the automotive industry in EMEA, shares advances in MATLAB & Simulink and how they are being embraced by companies today to build intelligent systems.

Model-Based Design for Systems Engineering
Dr. Paul Huxel (Aerospace), Senior Application Engineer, MathWorks

Model-Based Design (MBD) is a workflow or process that allows for early validation of requirements.  It also supports frequent test and verification in a project's design stage, through the coding stage and into the implementation stage so that design flaws and errors are found as early as possible during development.  System engineering deals with the design of complex products and management of the design process.  Since its inception, Model-Based Design has played an important role in supporting systems engineering, e.g. requirements engineering, system architecting, and system integration.

מידול מערכתי וסימולציה של רחפן (Quadcopter)
אסף מוזס, מהנדס אפליקציה בתחום בקרה ומידול פיסיקלי, סיסטמטיקס

כלי הפיתוח של MathWorks מאפשרים מידול של מערכות פיסיקליות בתחומים רבים ומגוונים. סימולציה של המודלים הפיסיקליים מאפשרת בחינה מהירה של ביצועי המערכת, הרבה לפני בניית אב-טיפוס.

בהרצאה זו נראה כיצד מהנדסים, מדענים וחוקרים משתמשים בכלי סימולציה במטרה לקבל הבנה מעמיקה יותר בכל הנוגע למערכות מולטי-דיסציפלינריות מורכבות.

באמצעות דוגמא של רחפן (Quadcopter) נסקור בצורה מעמיקה את תהליך הפיתוח הכולל מידול, סימולציה ובקרה עבור המערכת: ייבוא נתונים מתוכנות תיב"ם (3D CAD) לסביבת העבודה של Simulink, החייאת המודל והפעלתו, תכן חוגי בקרה, יישומים של אלגוריתמיקה מעולם הרובוטיקה ועוד.

את העקרונות שיוצגו בהרצאה זו תוכלו ליישם במערכות שהנכם מפתחים, ולקצר את שלבי העבודה.

למידת מכונה בפיתוח מערכות אוטונומיות – יישום של תכנון אחזקה מונעת
שירן גולן, מהנדסת אפליקציה לתחום למידת מכונה, סיסטמטיקס

אחזקת מערכות הינה חלק אינטגרלי מכל פיתוח של מערכת חדשה. בעוד שבשלבי המחקר והפיתוח אנו משקיעים כ-20% מעלות הפרויקט, הרי שעיקר התקציב והמאמץ עובר בסופו של דבר לדרג האחזקה וביצוע שינויים ושיפורים. כפועל יוצא, חשיבות האחזקה בכלל, ונושא האחזקה החזויה בפרט הינו בעל ערך עליון, בעיקר כשמדובר על מערכות הפרוסות במספר אתרים ברחבי המדינה.

אחזקה מונעת, Preventive Maintenance, הינה גישה חדשנית אשר מאפשרת ללמוד על התנהגות המערכת לכל אורך חייה, ומתוך איסוף נתונים מחיישנים שונים, להגיע לתובנות מתקדמות על אופן פעולתה, ומתוך כך לדעת לצפות מתי היא יוצאת מאופן פעולה אידיאלי, ואף לחזות כשל עתידי.

חברות המפתחות ציוד תעופתי ותעשייתי לרוב שומרות כמויות אדירות של נתונים לגבי אופן פעולת המכשירים והמכונות, מתוך כוונה שבעתיד ניתן יהיה להפיק ממנו מידע חשוב. עם זאת, לצורך בניה של מודלים רובוסטיים ומדויקים לחיזוי הפעילות, נדרש שילוב נדיר של ניסיון מקצועי ויכולות לעיבוד סטטיסטי.

בהרצאה זו נציג טכניקות ללימוד מכונה בסביבת MATLAB המאפשרות לחזות את משך החיים הנותר של הציוד. בעזרת נתונים המגיעים ממדידות אמיתות, נחקור את תהליכי ייבוא המידע, עיבוד ראשוני שלו, וסיווג שלו.

בהמשך נראה כיצד ניתן לעשות שימוש בבינה מלאכותית (Artificial Intelligence) ולימוד מכונה (Machine Learning) על מנת להיות מסוגלים לחזות כשלים או מצבי פעולה שאינם תקינים, מתוך מידע היסטורי. בתהליכים שיוצגו בהרצאה זו, תוכלו ללמוד כיצד ניתן לשפר את אמינות הציוד והמערכות ולפתח מודלים ושירותים מתקדמים יותר מהקיים היום.

שימוש בפלטפורמות Real-Time כחלק מתהליך הבדיקתיות בפיתוח
איתמר אנגלמן, מהנדס אפליקציה בתחום מערכות זמן אמת, סיסטמטיקס

בניית אב טיפוס למערכת אוטונומית הינה שלב חיוני והכרחי בשלבי הפרויקט. אבטיפוס לרוב יכלול רכיב זמן-אמת (Real-Time – RT), אשר מאפשר תקשורת עם רכיבים פיסיים וחיישנים שונים.
בהרצאה זו נציג מספר שיטות שונות לתכנון ושימוש במחשבי RT כחלק מהליך הפיתוח. נראה מהי חשיבות מערכת ההפעלה שלהם, כיצד הם מאפשרים ממשק בין כלל הדיסיפלינות הנבדקות בפרויקט, וכיצד נעשה שימוש בעזרת פרוטוקולים ורכיבים שונים בכדי ליצור סינכרון ופעולה נכונה של כלל המערכת.

בעזרת כלי הפיתוח של MathWorks ניתן לעבוד עם מגוון רחב של מערכות Embedded ומחשבי RT. השילוב בין האלגוריתם, תהליך יצירת הקוד והבדיקה והשילוב שלו על גבי הרכיב הסופי, מסייעת בחיסכון משמעותי בזמן הבדיקות – ע"י זיהוי של שגיאות עוד בזמן הפיתוח. בכלים אלו ניתן לעבוד בגישת HIL (Hardware in The Loop), לבחון את ביצועי האבטיפוס, ובהתאם לתוצאות ההרצה ללמוד רבות על מה צריכה להכיל המערכת הסופית, וכיצד להוזיל את רכיבי המערכת. הממשק בין החומרה לסביבת Simulink מאפשר פתרון וזיהוי תקלות בגישת On-Line – ללא הצורך לשלב מספר רב של גורמי תכנון (תוכנה, בדיקות, אינטגרציה וכו') בתהליך.

חלק מהדוגמאות שיוצגו בהרצאה זו ישולבו גם בתערוכה שתיערך בסמוך לאולם, ותוכלו להגיע ולראות מקרוב כיצד מבוצע התהליך, ע"י שימוש במחשבי Speedgoat.

למידה עמוקה בסביבת MATLAB ליישומי ראיה ממוחשבת – מהמחקר והפיתוח ועד המימוש על חומרה
רועי פן, מהנדס אפליקציה לתחומים עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה, סיסטמטיקס

הרצאה טכנית זו נראה כיצד ניתן להשתמש בסביבת MATLAB בצורה יעילה בתחום הראיה הממוחשבת לצורך פיתוח יישומי למידה עמוקה בעולם האמיתי. נראה כיצד ניתן בקלות:

• לבנות רשתות מתקדמות מותאמות-אישית ולאמן אותן בעזרת מאגר של תמונות לצורך ביצוע סיווג (Classification)
• לבנות רשתות מתקדמות מותאמות-אישית ולאמן אותן בעזרת מאגר של תמונות לצורך ביצוע סיווג (Classification)
• לייבא רשתות מסביבות כמו Keras-TensorFlow, PyTorch ו-Caffe ולבצע Transfer Learning  בסביבת  MATLAB
• להשתמש בשיטות גילוי (Detection) מבוססות למידה עמוקה
• לבצע עיבוד מקדים למידע האימון והבדיקה – כמו labeling בצורה נוחה או פעולות גיאומטריות לצורך הגדלת מאגר המידע
• למצוא הגדרות אופטימליות לאימון רשתות עמוקות
• להאיץ את זמני האימון על ידי ניצול כוח חישובי כמו GPU (אחד או יותר), מחשבים חזקים נפרדים וענן
• להמיר בצורה אוטומטית קוד MATLAB לקוד CUDA אשר יכול לרוץ על מעבדים גרפיים של חברת nVIDIA או לקוד C עבור מעבדים של אינטל ופלטפורמות Arm – הדבר מאפשר להגיע לזמני ביצוע מהירים במיוחד, תוך ניצול יעיל של זיכרון, בעזרת ה-GPU Coder

Developing Advanced Driving Assistance Systems with MATLAB & Simulink
Gaurav Tomar, Industry Marketing Manager – Automotive, MathWorks

ADAS and autonomous driving technologies are redefining the automotive industry, changing all aspects of transportation, from daily commutes to long-haul trucking. Engineers across the industry use Model-Based Design with MATLAB® and Simulink® to develop their automated driving systems. This talk demonstrates how MATLAB and Simulink serve as an integrated development environment for the different domains required for automated driving, including perception, sensor fusion, and control design.

System Model Integration & Verification
Dr. Paul Huxel (Aerospace), Senior Application Engineer, MathWorks

The Simulink and Stateflow environment provides a means to graphically design and debug mode logic using state machines and flow diagrams.  These tools together provide a platform for Model-Based Design (MBD), which is a workflow or process that allows for early validation of requirements, and frequent test and verification in a project's design stage, through the coding stage and into the implementation stage so that design flaws and errors are found as early as possible during development.  System functionality and safety requires not only that every component within the system is properly designed, but that the interaction of these components is correct and safe.  Simulation of the behavior of the system enables better requirements derivation, allocation, and validation early in the development of a system, as well as providing an environment for rigorous verification of the system and the integration of its components.

תכנון ובקרת מסלול עבור רובוטים אוטונומיים
אסף מוזס, מהנדס אפליקציה בתחום בקרה ומידול פיסיקלי, סיסטמטיקס

הוספת יכולות אוטונומיות למערכות שונות הינה מגמה אשר הולכת ומתעצמת ואשר ניתן למצוא באפליקציות רבות כגון: רכבים אוטונומיים, מחסנים אוטונומיים ועוד. תהליך הפיתוח של מערכת אוטונומית כולל שלבים רבים: תכנון המערכת עצמה, הגדרת פעולות החישה, תכנון ובקרת הפעולות והמשימה, התממשקות לחומרה ובדיקה של תתי המערכות והמערכת הכוללת.

בהרצאה זו נציג כיצד ניתן להתמודד עם אתגרים שונים מעולם הרובוטיקה וכיצד ניתן לייעל ולהאיץ את תהליך הפיתוח עבור אפליקציות רובוטיות לא מאויישות. אנו נתמקד בתכנון המערכת, ביצוע אופטימיזציה לפרמטרים השונים, מציאת מסלול אופטימלי ועקיבה ובקרה אחר המסלול הנבחר. כמו כן, נדבר על שילוב תהליך הפיתוח עם ספריות קוד פתוח כגון ROS, אפשרויות יצור קוד והגדרת בדיקות עבור התנהגות המערכת.