Molnbaserad QA och simulering: R&D inom autonoma transportsystem

Singula har bidragit till utvecklingen av autonoma transportsystem genom att stärka organisationers infrastruktur för simulering och kvalitetssäkring. I rollen som Senior Software Engineer låg fokus på att förbättra en molnbaserad simuleringsmiljö för forskning och utveckling.

Genom att automatisera QA-processer, förbättra skalbarheten med verktyg som Terraform och AWS SDK samt etablera en enhetlig kodstandard kunde vi accelerera testcyklerna och öka tillförlitligheten i de autonoma systemen.

Case Scania R&D - Singula

Projektbeskrivning

Tidsperiod: April 2025 – pågående

Roll: Senior Software Engineer

Översikt och Syfte

Huvudmålet var att stärka kapaciteten för mjukvarukvalitetssäkring och simulering som stöd för utvecklingen av autonoma fordon. Arbetet innefattade att förbättra tillförlitligheten och skalbarheten i den molnbaserade simuleringsmiljön, automatisera deployment-pipelines och säkerställa effektiv integration mellan olika utvecklingsteam. Syftet var att korta testcyklerna och därigenom öka förtroendet för prestanda och säkerhet i de autonoma körsystemen.

Team och Samarbete

Arbetet skedde i ett tvärfunktionellt utvecklingsteam med fokus på autonoma system. Rollen krävde nära samarbete med specialister inom molninfrastruktur och simuleringsingenjörer.

Utmaningar

Projektet stod inför både tekniska och organisatoriska utmaningar:

  • Teknisk komplexitet: Hantering av en komplex, molnbaserad miljö med många inbördes beroende tjänster och behovet av att upprätthålla infrastrukturkonsistens i AWS.

  • Balansgång: Att balansera snabb iteration och utvecklingstakt med de extremt höga kraven på säkerhet och tillförlitlighet som ställs på autonoma system.

  • Organisatorisk anpassning: Teamet upplevde viss friktion och kommunikationssvårigheter när olika underteam anpassade sig till nya arbetsflöden under implementeringen av SAFe (Scaled Agile Framework). Dessa utmaningar hanterades genom fokus på empati, öppen kommunikation och ett kollaborativt tankesätt.

Resultat och Leverans

Genom aktivt utvecklings- och förbättringsarbete uppnåddes följande konkreta resultat:

  • Infrastrukturförbättring: Den molnbaserade simuleringsinfrastrukturen förbättrades med Terraform, Docker och AWS SDK (botocore). Detta ledde till mer stabila och reproducerbara simuleringsmiljöer.

  • QA Automation: Verktyg för QA-automatisering levererades, primärt utvecklade i Python och C++, vilket minskade den manuella testtiden och förbättrade kodkvaliteten.

  • Kodstandard och Mentorskap: Bättre dokumentation och enhetliga kodningsstandarder introducerades. Juniora utvecklare handleddes i bästa praxis för merge requests, kodstil och underhållbarhet.

  • Agil Disciplin: Teamets samarbete och agila disciplin stärktes genom aktivt deltagande i sprintceremonier, retrospektiver och backlog-planering.

Det mest givande

Det mest inspirerande var att bidra till ett projekt i framkant av utvecklingen av autonom fordonsteknik – att lösa verkliga problem som har potential att göra transporter både säkrare och mer hållbara. Det var också mycket givande att arbeta med en så bred teknisk stack (Python, C++, AWS, Docker, Terraform) och att se den direkta effekten av förbättringar på teamets arbetsflöde och produktens tillförlitlighet.