Marzo 2008Madrid

SistemasSistemasEmbebidosEmbebidosInteligentesInteligentes

Centro de Electrónica Industrial (CEI) ‏

ce

i@u

pm

.es

Universidad PolitUniversidad Politéécnica de Madridcnica de Madrid

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

EscenarioEscenario

Existen soluciones pero...

...Plataforma de Despliegue

Grandes ordenadores

SOTR

IMPOSIBILIDAD DE REALIZACIIMPOSIBILIDAD DE REALIZACIÓÓNN

COMO SISTEMA EMBEBIDOCOMO SISTEMA EMBEBIDO

• ⇑ Complejidad tareas realizadas por SE

• ⇑ Inteligencia

• ⇑ Procesamiento

Tiempo real

Fiabilidad

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

Sistemas AutSistemas Autóónomos nomos -- IAIA

Autonomía ⇒ Operación sin intervención humana

Operacional y De decisión

Condiciones de operación

Perturbaciones, Abstracción, Incertidumbre

Soluciones ⇒ Arquitecturas cognitivas

Sistemas inteligentes de muy alta autonomía

Alta complejidad

Elevados recursos de implementación

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

AplicacionesAplicaciones

Copyright 2006 www.kontron.com

© Cornell University/NASA/JPL and Dan Maas

Navegación autónoma

Robots autónomos

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

AplicacionesAplicaciones

Copyright 2006 www.kontron.com

Sistemas inteligentes de transporte

UC3M

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

AplicacionesAplicaciones

Multimedia “inteligente”

RobóticaMédica

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

Avance tecnolAvance tecnolóógico ...gico ...

Avance en Tecnologías de Fabricación de CIs

ASICs, DSPs, FPGAs

Posible implementación como sistemas embebidos

Escalado

RequisitosAlta capacidad de integración – Grado Autonomía/Inteligencia

Reconfiguración – Aprendizaje / AdaptaciónTiempo real – Respuesta operativaConsumo – Autonomía

Flujo de diseño / Metodología adaptada – Fiabilidad

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

Relación de Compromiso entre...

Densidad de Integración / Rendimiento

Coste

Reconfiguración en fase de investigación

...aún no es una herramienta

Flujos de Diseño con pocos avances

Transformación del modelo de alto nivel

... con limitaciones... con limitaciones

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

PropuestaPropuesta

Experimentos de escalado sobre hardware

Ejemplos de implementación

Metodología de escalado

• “Arquitectura” HW genérica inteligente

Desarrollo de tecnología deinteligencia empotrada

intelligentSoC

INFERENCIA

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

ADAS (Advanced Driver Assistance Systems)

Tradicionalmente basados en detección temprana

(deterministas)

Aportación original

Técnicas Probabilistas + Deterministas + Hardware

Predicción de trayectorias de vehículos

Detección de salida involuntaria de carril

Reconocimiento de señales de tráfico

Sistemas de ayuda a la conducciSistemas de ayuda a la conduccióónn

Proyecto ASISTENTUR: INSIA - UC3M

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

Sistemas de predicciSistemas de prediccióónn

Filtro de Partículas para predicción de trayectorias de vehículos en tiempo real

a

b

c

d

LINE_DETECTOR

mass_center_calc

mass_center_analysis

UPDATE_PREDICTION

update_prediction_slice

update_prediction_slice

particle number

PREDICTION_CHECKER

pred_checker_slice

pred_checker_slice

particle number

PARTICLE

REGISTER

PARTICLE

REGISTER

PARTICLE_DISPLACEMENT

part_displacement_slice

part_displacement_slice

particle number

CONTROL

Data

Control

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

Control en entornos distribuidos. Sistemas cooperantes

Arquitectura Cognitiva BB1 (Universidad de Stanford)

Interacción con entornos dinámicos

Razonamiento sobre ellos

Tareas evolucionadas de aprendizaje

Funciones alto nivel de abstracción

Ciclos de operación

Ejecución

Tiempo real

Aprendizaje

Arquitecturas CognitivasArquitecturas Cognitivas

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

Arquitecturas CognitivasArquitecturas Cognitivas

Redes Neuronales para reconocimiento de señales de tráfico

Pequeñas, cooperativas y especializadas

Visión artificial basada en singularidades

RoI (60x45) (columns*rows)

RoD (6x5) (columns*rows)

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

ConclusionesConclusiones

Arquitectura de referencia compleja.

Funcionalidad limitada por el Escalado

Modularidad y Encapsulamiento

Ampliación de funcionalidades

Escenario

Aplicación de referenciaArquitectura de referenciaRecursos de implementación de referencia

Metodología. 3 niveles de abstracción

Modelado FuncionalModelado IntermedioModelado para Implementación

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

LLííneas futurasneas futuras

SoC Inteligente. Arquitecturas cognitivas en sistemas embebidos

Corto Plazo

Módulos para Arquitectura Hardware Inteligente

Principios de diseño

Largo Plazo

Métricas Generalización y evaluación de la M

MDA – Model Driven Architecture (MDE – Model Driven

Engineering)

transformaciónMODELO (UML...)MODELO (UML...) MODELO HWMODELO HW

Marzo 2008Ce

ntr

o d

eE

lec

tró

nic

aIn

du

stri

al

LLííneas futurasneas futuras

Aplicado

a

intelligentSoC

MMÉÉTRICASTRICAS

PRINCIPIOSPRINCIPIOS

MMÓÓDULOSDULOSINTELIGENTESINTELIGENTES

métrica

métrica

métrica

Nivel AbstractoNivel Abstracto

Nivel IntermedioNivel Intermedio

Nivel ImplementaciNivel Implementacióónn