Differences

This shows you the differences between two versions of the page.

Link to this comparison view

--- en:safeav:curriculum:softsys-b [2025/10/20 14:13] – [Table] larisas
+++ en:safeav:curriculum:softsys-b [2025/11/05 09:03] (current) – airi
@@ Line 1: / Line 1: @@
-====== Module:  Software Systems and Middleware (Part1) ======
+====== Module: Software Systems and Middleware (Part 1) ======
-| **Study level**                 | Bachelor                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       ||
-| **ECTS credits**                | 1 ECTS                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         ||
+^ **Study level** | Bachelor |
-| **Study forms**                 | Hybrid or fully online                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         ||
+^ **ECTS credits** | 1 ECTS |
-| **Module aims**                 | Equip students with a comprehensive understanding of autonomy software stacks, middleware, and lifecycle management in cyber-physical and autonomous systems. The module covers multi-layered software architectures—from hardware abstraction and middleware to AI-driven autonomy layers—highlighting real-time performance, determinism, interoperability, safety, and maintenance challenges. Students will learn how these architectures enable reliable sensing, perception, planning, and control across distributed and safety-critical systems.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       ||
+^ **Study forms** | Hybrid or fully online |
-| **Pre-requirements**            | Basic programming knowledge in C/C++ or Python; understanding of operating systems, networks, and data structures; familiarity with embedded or control systems concepts; and basic linear algebra and probability. Prior exposure to Linux-based development, Git, or simulation environments (e.g., Gazebo, MATLAB/Simulink) is beneficial.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  ||
+^ **Module aims** | The aim of the module is to introduce software architectures, middleware and lifecycle management for cyber-physical and autonomous systems. The course develops students’ understanding of how multi-layer autonomy stacks support reliable sensing, perception, planning and control under real-time, interoperability and safety constraints. |
-| **Learning outcomes**           | Knowledge:\\ • Explain the architecture and purpose of multi-layered autonomy software stacks (HAL, OS, Middleware, Control, AI).\\ • Describe middleware technologies such as DDS, ROS 2, and AUTOSAR Adaptive, and their role in deterministic data exchange.\\ • Identify lifecycle models (Waterfall, V-Model, Agile, DevOps) and configuration management practices for autonomous software.\\ Skills:\\ • Design modular autonomy software architectures integrating perception, localisation, planning, and control modules.\\ • Configure and deploy middleware frameworks to support real-time, distributed communication.\\ • Apply CI/CD and configuration management principles using Git, Docker, and orchestration tools.\\ Understanding/Attitudes:\\ • Evaluate safety, verification, and cybersecurity aspects of autonomy software systems.\\ • Recognize challenges in maintainability, scalability, and interoperability across heterogeneous systems.\\ • Appreciate ethical, reliable, and transparent AI integration in autonomous decision-making.     ||
+^ **Pre-requirements** | Basic programming skills and understanding of operating systems, computer networks and data structures. Familiarity with embedded or control systems and Linux-based development tools is recommended. |
-| ** Topics **                    | 1. Introduction to Autonomy Software Stacks:\\    – Functional layers: perception, localisation, planning, control, middleware, cloud.\\    – Characteristics: real-time behaviour, determinism, scalability, resilience, interoperability.\\ 2. Middleware and Communication Frameworks:\\    – DDS, ROS 2, MQTT, AUTOSAR Adaptive, CAN, Ethernet.\\    – Quality of Service (QoS), message scheduling, fault tolerance.\\ 3. Software Lifecycle and Configuration Management:\\    – Lifecycle models (Waterfall, V-Model, Agile, DevOps, Spiral).\\    – Configuration management, version control, CI/CD pipelines, baselines.\\ 4. Development and Maintenance Challenges:\\    – Real-time performance, safety, AI integration, cybersecurity, and continuous updates.\\ 5. Simulation and Testing:\\    – SIL/HIL methods, virtual environments (CARLA, Gazebo, AirSim), digital twins.\\ 6. Ethics and Human–Machine Collaboration:\\    – Transparency, accountability, and explainability in autonomy.                                                               ||
+^ **Learning outcomes** | **Knowledge**\\ • Explain the architecture and purpose of multi-layered autonomy software stacks.\\ • Describe middleware technologies and their role in deterministic data exchange.\\ • Identify lifecycle models and configuration management practices for autonomous software.\\ **Skills**\\ • Design modular autonomy software architectures integrating perception, localisation, planning, and control modules.\\ • Configure and deploy middleware frameworks to support real-time, distributed communication.\\ • Apply CI/CD and configuration management principles and orchestration tools.\\ **Understanding**\\ • Evaluate safety, verification, and cybersecurity aspects of autonomy software systems.\\ • Recognize challenges in maintainability, scalability, and interoperability across heterogeneous systems.\\ • Appreciate ethical, reliable, and transparent AI integration in autonomous decision-making. |
-| **Type of assessment**          | The prerequisite of a positive grade is a positive evaluation of module topics and presentation of practical work results with required documentation.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         ||
+^ **Topics** | 1. Introduction to Autonomy Software Stacks:\\    – Functional layers: perception, localisation, planning, control, middleware, cloud.\\    – Characteristics: real-time behaviour, determinism, scalability, resilience, interoperability.\\ 2. Middleware and Communication Frameworks:\\    – DDS, ROS2, MQTT, AUTOSAR Adaptive, CAN, Ethernet.\\    – Quality of Service, message scheduling, fault tolerance.\\ 3. Software Lifecycle and Configuration Management:\\    – Lifecycle models (Waterfall, V-Model, Agile, DevOps, Spiral).\\    – Configuration management, version control, CI/CD pipelines, baselines.\\ 4. Development and Maintenance Challenges:\\    – Real-time performance, safety, AI integration, cybersecurity, and continuous updates.\\ 5. Simulation and Testing:\\    – SIL/HIL methods, virtual environments and digital twins.\\ 6. Ethics and Human–Machine Collaboration:\\    – Transparency, accountability, and explainability in autonomy. |
-| **Learning methods**            | Lectures: Cover theoretical and architectural foundations of autonomy software stacks and middleware frameworks.\\ Lab works: Practical exercises in ROS 2, DDS, and containerised deployments; simulation of autonomy software using Gazebo or CARLA.\\ Individual assignments: System design and configuration management case studies applying CI/CD and risk analysis.\\ Self-learning: Reading standards (AUTOSAR, ISO 26262), research papers, and exploring MOOC content on middleware and DevOps.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      ||
+^ **Type of assessment** | The prerequisite of a positive grade is a positive evaluation of module topics and presentation of practical work results with required documentation. |
-| **AI involvement**              | Explicit list of AI tools and application mtehods                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           |   |
+^ **Learning methods** | **Lecture** — Cover theoretical and architectural foundations of autonomy software stacks and middleware frameworks.\\ **Lab works** — Practical exercises in ROS2, DDS, and containerised deployments; simulation of autonomy software using Gazebo or CARLA.\\ **Individual assignments** — System design and configuration management case studies applying CI/CD and risk analysis.\\ **Self-learning** — Reading standards, research papers, and exploring MOOC content on middleware and DevOps. |
-| **References to\\ literature**  | to be added                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    ||
+^ **AI involvement** | Used for assisting code documentation, simulation setup, performance analysis, and literature review. Students must verify generated outputs, cite AI tool usage transparently, and ensure compliance with academic integrity policies. |
-| **Lab equipment**               | to be added                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    ||
+^ **Recommended tools and environments** | ROS2, Gazebo, CARLA, AirSim |
-| **Virtual lab**                 | to be added                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    ||
+^ **Verification and Validation focus** |  |
-| **MOOC course**                 | MOOC Courses hosting for SafeAV, IOT-OPEN.EU Reloaded, and Multiasm grants: http://edu.iot-open.eu/course/index.php?categoryid=3                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                               ||
+^ **Relevant standards and regulatory frameworks** | MQTT, AUTOSAR, CAN, V-Model, DevOps, ISO 26262 |

en/safeav/curriculum/softsys-b.1760969611.txt.gz · Last modified: 2025/10/20 14:13 by larisas