Detail projektu

AI-augmented automation for efficient DevOps, a model-based framework for continuous development At RunTime in cyber-physical systems

Období řešení: 01.04.2021 — 31.03.2024

Zdroje financování

Evropská unie - Horizon 2020

- plně financující (2021-04-01 - 2024-03-31)
Ministerstvo školství, mládeže a tělovýchovy ČR - Společná technologická iniciativa ECSEL

- plně financující (2021-04-01 - 2024-03-31)

O projektu

The project targets the development of a model-based framework to support teams during the automated continuous development of CPSs by means of integrated AI-augmented solutions. The overall AIDOaRT infrastructure will work with existing data sources, including traditional IT monitoring, log events, along with software models and measurements. The infrastructure is intended to operate within the DevOps process combining software development and information technology (IT) operations. Moreover, AI technological innovations have to ensure that systems are designed responsibly and contribute to our trust in their behaviour (i.e., requiring both accountability and explainability). AIDOaRT aims to impact organizations where continuous deployment and operations management are standard operating procedures. DevOps teams may use the AIDOaRT framework to analyze event streams in real-time and historical data, extract meaningful insights from events for continuous improvement, drive faster deployments and better collaboration, and reduce downtime with proactive detection.

Popis česky
Projekt se zaměřuje na vývoj modelového rámce pro podporu týmů během automatizovaného nepřetržitého vývoje CPS pomocí integrovaných řešení rozšířených o AI. Celková infrastruktura AIDOaRT bude fungovat s existujícími zdroji dat, včetně tradičního monitorování IT, spolu se softwarovými modely a měřeními. Infrastruktura je určena k provozu v procesu DevOps, kombinujícím vývoj softwaru a operace informačních technologií (IT). Technologické inovace AI musí navíc zajistit, aby systémy byly navrženy odpovědně a přispěly k důvěře v jejich chování.

Klíčová slova
Software engineering, operating systems, computer languages, Artificial intelligence, intelligent systems, multi agent systems

Klíčová slova česky
Softwarové inženýrství, operační systémy, počítačové jazyky, umělá inteligence, inteligentní systémy

Označení

101007350

Originální jazyk

angličtina

Řešitelé

Smrž Pavel, doc. RNDr., Ph.D. - hlavní řešitel
Hájková Gabriela, Mgr. - spoluřešitel
Homoliak Ivan, Ing., Ph.D. - spoluřešitel
Juříček Zdeněk - spoluřešitel
Kocman Radim, Ing., Ph.D. - spoluřešitel
Kolář Martin, M.Sc., Ph.D. et Ph.D. - spoluřešitel
Kula Michal, Ing., Ph.D. - spoluřešitel
Matýšek Michal, Ing. - spoluřešitel
Musil Petr, Ing., Ph.D. - spoluřešitel
Španěl Michal, Ing., Ph.D. - spoluřešitel
Zemčík Pavel, prof. Dr. Ing., dr. h. c. - spoluřešitel

Útvary

Ústav počítačové grafiky a multimédií
- spolupříjemce (09.06.2020 - 31.03.2024)
CAMEA, spol. s r. o.
- spolupříjemce (09.06.2020 - 31.03.2024)

Výsledky

ALI, A.; SMRŽ, P. Camera auto-calibration for complex scenes. In SPIE 11605. Rome: SPIE - the international society for optics and photonics, 2021. p. 1-11. ISBN: 978-1-5106-4041-2.
Detail

BAMBUŠEK, D.; MATERNA, Z.; KAPINUS, M.; BERAN, V.; SMRŽ, P. How Do I Get There? Overcoming Reachability Limitations of Constrained Industrial Environments in Augmented Reality Applications. In 2023 IEEE Conference on Virtual Reality and 3D User Interfaces (VR). Shanghai: Institute of Electrical and Electronics Engineers, 2023. p. 115-122. ISBN: 979-8-3503-4815-6.
Detail

APAROVICH, M.; KESIRAJU, S.; DUFKOVÁ, A.; SMRŽ, P. FIT BUT at SemEval-2023 Task 12: Sentiment Without Borders - Multilingual Domain Adaptation for Low-Resource Sentiment Classification. In Proceedings of the The 17th International Workshop on Semantic Evaluation (SemEval-2023). Toronto (online): Association for Computational Linguistics, 2023. p. 1518-1524. ISBN: 978-1-959429-99-9.
Detail

CHLUBNA, T.; MILET, T.; ZEMČÍK, P. How Capturing Camera Trajectory Distortion Affects User Experience on Looking Glass 3D Display. MULTIMEDIA TOOLS AND APPLICATIONS, 2024, vol. 2024, no. 83, p. 20265-20287. ISSN: 1573-7721.
Detail

CHLUBNA, T.; MILET, T.; ZEMČÍK, P. Automatic 3D-Display-Friendly Scene Extraction from Video Sequences and Optimal Focusing Distance Identification. MULTIMEDIA TOOLS AND APPLICATIONS, 2024, vol. 83, no. 7, p. 1-29. ISSN: 1573-7721.
Detail

CHLUBNA, T.; MILET, T.; ZEMČÍK, P.; KULA, M. Real-Time Light Field Video Focusing and GPU Accelerated Streaming. Journal of Signal Processing Systems for Signal Image and Video Technology, 2023, vol. 95, no. 6, p. 703-719. ISSN: 1939-8115.
Detail

Odpovědnost: Smrž Pavel, doc. RNDr., Ph.D.