Pokrýváme všechny sféry IT, od vývoje sériového softwaru pro výkonná zařízení s Linuxem po programování cloudových aplikací, front-endu nebo DevOps.

Jednoznačnou prioritou je ale sériový software do vozidel. Při jeho vývoji se neobejdeme bez know-how z těchto oblastí:

• softwarová architektura,
• řízení požadavků,
• vývoj softwaru,
• testování a validace softwaru,
• validační frameworky,
• kontrola kvality softwaru.

Pro vývoj softwaru je nezbytné know-how specifických (nejen automotive) technologií, například komunikačních protokolů, bezpečnostních metodik, diagnostik vozidel, řídících systémů, počítačového vidění nebo umělé inteligence.

Naším primárním cílem je ve spolupráci s CARIADem vyvinout novou robustní softwarovou platformu pro všechna vozidla koncernu VW. Tato platforma se nazývá VW.OS, její součástí bude jednotný operační systém s rozšířenou sadou služeb. Další nepostradatelnou funkcionalitou bude kompatibilita se čtvrtou úrovní autonomního řízení. Na této úrovni se o řízení už může postarat samo vozidlo.

Stojí před námi řada zajímavých výzev. Je třeba vybrat vhodný software a systémovou architekturu, vypilovat stack tak, aby byl co nejméně závislý na hardwaru, připravit celou řadu služeb nezbytných pro chod operačního systému a zajistit podporu funkcí s vysokými výpočetními nároky nebo umožnit plynulou integraci do cloudu.

Mezi výzvy softwarového inženýrství nepatří jen řešení komplexních technických problémů. Větší projekty se neobejdou bez efektivních nástrojů a infrastruktury, která vývojářům usnadňuje život.

Infrastruktura softwarových projektů

Všechny projekty mají podobný cíl: automatizaci a optimalizaci všech aspektů daného projektu. Metoda průběžné integrace, testování a nasazování (Continuous build / test / integration) zvyšuje efektivitu našich týmů, které se pak mohou plně věnovat vývoji funkcí.

Platforma pro autonomní řízení (ADP)

Při učení a evaluaci neuronových sítí je třeba pracovat s ohromným množstvím dat. Vyvíjíme infrastrukturu založenou na MS Azure a frameworcích MS ML, pro kterou tyto vysoké nároky nebudou problém.

Vlastní nástroje

Úspěšné dokončení softwarového projektu nevyžaduje jen automatickou integraci a nasazování. Nedílnou součástí je i vývoj celé řady specifických nástrojů, které nám usnadňují anotaci dat, trasování požadavků, parsování ARXML i jiné úkoly.

V Digitequ pracujeme na různých projektech a produktech a disponujeme špičkovou infrastrukturou DevOps, kterou poskytujeme všem softwarovým týmům.

Základem autonomního řízení je rozpoznávání okolí a vnímání dění kolem vozidla. To ale není vše. Vozidlo musí umět vhodně a co nejrychleji zareagovat, pokud se kolem něj něco změní.

Nová vozidla, která mají k autonomnímu řízení nakročeno, jsou vybavena nejrůznějšími senzory. Nejčastěji se ke vnímání prostředí kolem vozu používají senzory na bázi ultrazvuku, kamer, laseru nebo radaru. Každý senzor má své silné i slabé stránky. Naším úkolem je data ze senzorů fůzovat pomocí Kalmanova (nebo jiného) filtru a nejistotu odhadu snížit na minimum.

Kamerové systémy jsou historicky pro naši firmu velmi důležité. Zaměřujeme se zejména na problematiku související s rozpoznáváním obrazu, například na kalibraci kamerových systémů, stereo zpracování obrazu a detekci nebezpečí, metodu structure from motion, detekci volného prostoru a deformační modely.

Pokud vozidlo dokáže vnímat okolí, musí na něj také umět reagovat. Může se zdát, že na tom vlastně nic není. Opak je pravdou. Klíčem je vytvoření přesných regulátorů a optimalizace trajektorie vozidla. Tuto problematiku řešíme pomocí těch nejmodernějších metod, abychom uživatelům vozidel mohli nabídnout co nejplynulejší a nejpříjemnější zážitek z jízdy.

Rosteme, učíme se a bavíme se. Vyznáváme otevřenost, týmovost a inovativnost. Řídíme se metodikou Scaled Agile Framework (SAFe). Sázíme na opravdový leadership (nejen proto, že je to zrovna teď v módě :-) a tento mindset si chceme udržet i v budoucnu. Podporujeme rozvoj silných stránek a sdílení znalostí v rámci multifunkčních týmů. A díky zkušeným lidem na pozicích Product Owner nebo Scrum Master se naše týmy mohou soustředit na to hlavní: dodávat zákazníkům kvalitní produkty.

• Product Owner
• Scrum Master
• Agile Coach
• Chapter Lead
• Business Owner

Umělou inteligenci (AI) nejvíc využíváme v oblasti rozpoznávání okolí vozidla. Pro odvětví automotive jsou nezbytné bezpečné (safety) a zabezpečené (security) algoritmy. Největší výzvu pro nás momentálně představuje validace algoritmů strojového učení. Nutností je i přesná detekce objektů, jejich klasifikace i dokonalé rozpoznání okolí. Nesmírně nám pomáhá hluboké učení (deep learning), které přináší slibné výsledky. Opíráme se u něj o nejmodernější metody, například CNN, enkodéry a multi-task learning.

• Detekce objektů
• Sémantická segmentace
• Aktivní učení
• Architektura a optimalizace neuronových sítí
• DataOps

Pod testováním softwaru si možná představíš klikání na navigační prvky webu a hodnocení barvy tlačítek. Testování softwaru pro automotive je ale mnohem složitější.

Nejvíc se věnujeme vývoji skriptů pro automatizaci a vývoji testovacích frameworků. Naši specialisté se ale také zabývají testovacími scénáři. Zní to jednoduše? Tak si zkus představit, že musíš vytvořit testovací nebo validační koncept algoritmů pro počítačové vidění. Algoritmů, které vznikly bez auta, jen ve virtuální realitě.

Autonomní řízení s sebou nese řadu výzev. Snažíme se vyřešit například to, jak postupovat při validaci algoritmů, které se mění na základě dat. Konkrétně se může jednat třeba o validaci a interpretaci neuronových sítí. Pomáhají nám poznatky z celé řady výzkumných projektů, jenže data z těchto studií jsou jedna věc a aplikace algoritmů přímo ve vozidle druhá.

Zatím se nám podařilo částečně připravit systémové testování senzorů a hardwaru, které začíná nabývat na významu. Například jsme vytvořili systémovou simulaci detekce deště, rozpoznání dálkových světel a na spoustě dalších řešeních pracujeme. HIL (Hardware-in-the-Loop) testování je posledním krokem před závěrečným testem přímo v prototypu vozidla.

Všechno zaznamenáváme a konzultujeme s lidmi z výzkumu, vývojáři i systémovými architekty, aby výsledné produkty byly spolehlivé a co nejbezpečnější. Proto klademe velký důraz na test management. Naše validační a testovací týmy jsou úzce propojeny s vývojem a pracují jako rovnocenní partneři.