أطلقت نيفيديا Halos for Robotics في مؤتمر Automate 2026 في شيكاغو، وهي مجموعة من أنظمة الأمان الشاملة للروبوتات تغطي الرقائق والمستشعرات ونظام التشغيل وشهادات الأمان. تدمج هذه النظام تراكمات نيفيديا التي تزيد عن 18,600 سنة-مهندس في مجال القيادة الذاتية و7 ملايين سطر من الشيفرات المُوثَّقة، لتقديم بنية أمان موحدة للروبوتات المستقلة. حاليًا، انضم 43 شريكًا إلى النظام البيئي، بما في ذلك Agility وBoston Dynamics وHesai، وقد دمجت Agility Halos في روبوت Digit واستخدمته في مصانع مثل أمازون. يمثل إصدار Halos إكمالًا لأخر قطعة من لغز توزيع نيفيديا الشامل للروبوتات، والذي يغطي التدريب والمحاكاة والنماذج وشهادات الأمان.مؤلف المقال، المصدر: Quantum Bit
نفيديا لا تصنع الروبوتات، لكنها تساعد الشركات المُجسَّمة على صنع روبوتات جيدة (doge)
للتو، في مؤتمر Automate 2026 في شيكاغو، أطلقت نفيديا Halos for Robotics——
نظام أمان شامل للروبوتات يغطي الشرائح والمستشعرات وأنظمة التشغيل وشهادات الأمان.
الميزة الرئيسية لـ Halos هي نقل خبرات نيفيديا التي تجاوزت 18600 سنة-مهندس في مجال القيادة الذاتية و7 ملايين سطر من الكود الموثوق، إلى مجال الروبوتات، لتقديم بنية أمان موحدة للروبوتات المستقلة.
باستخدامه، لا تحتاج شركات الروبوتات إلى إعادة اختراع العجلة من الصفر، بل يمكنها الاتصال واستخدامه مباشرة. والأهم من ذلك، أن الإطار الأمني الأساسي لـ Halos تم فتحه للمجتمع الصناعي.
يمكن القول إنه إذا كانت تسلا تسير في طريق الذكاء الجسدي على نمط iOS، حيث تصنع الروبوتات بنفسها وتُدير الأمان بنفسها، فإن نيفيديا اختارت نمط Android، وفتحت منصة الأمان للجميع.
جدير بالذكر أن العديد من الشركات قد انضمت بالفعل إلى نظام Halos البيئي كشركاء أوليين، بما في ذلك شركات الروبوتات البشرية Agility وBoston Dynamics، وشركة الليدار Hesai Technology، وشركة الروبوتات الأمنية FORT Robotics، وغيرها، حيث امتد النظام البيئي بأكمله إلى أكثر من 43 شركة.
في هذا السياق، سبقت Agility وتناولت "القرصنة الأولى" من خلال دمج Halos في روبوتاتها Digit، وبدء العمل المرخص في مصانع أمازون وGXO وتويوتا.
الروبوت الذي يرتدي سترة أمان في الفيديو يتحرك بين أحزمة النقل في المصنع، ويؤدي مهام نقل وخدمات لوجستية فعلية.
من الرقاقة إلى البرنامج، الأمان على ثلاث طبقات
إذًا، ما هو هذا النظام الأمني الجديد Halos؟
وفقًا لهيكل نيفيديا الرسمي، يمكن تقسيم Halos إلى أربع طبقات، من الأسفل إلى الأعلى: أمان المنصة، نظام التشغيل الآمن، أمان الخوارزميات، وأمان البيئة.
هذه الطبقات الأربع تتوافق في الواقع مع أبعاد أربعة لنفس المشكلة—
عند تشغيل الروبوتات في العالم الحقيقي، قد تحدث الأخطاء من أربعة مصادر: الأجهزة، ونظم البرمجيات، وقرارات النموذج، والتوثيق الخارجي والبيئة الإيكولوجية.
أولاً، أمان المنصة، مع حل مشكلة عدم التحكم في الأجهزة الأساسية.
NVIDIA قدمت IGX Thor، وهي منصة حوسبة ذكية موجهة للروبوتات والسيناريوهات الصناعية.
يحتوي على "جزيرة أمان" مستقلة داخلية، مزودة بمعالج وI/O وطاقة وساعة مستقلة، معزولة فيزيائيًا عن نظام الحوسبة الرئيسي.
حتى في حالة تعطل النظام الرئيسي للذكاء الاصطناعي أو إعادة تشغيله أو تشغيله بشكل غير طبيعي، لا يزال يمكن لجزيرة الأمان تنفيذ وظائف حاسمة مثل الفرامل الطارئة بشكل مستقل.
هذا يشبه نظام الطوارئ في الطائرة، الذي لا يزال قادرًا على تولي التحكم عندما يفشل النظام الرئيسي.
يوجد أيضًا Holoscan Sensor Bridge على نفس الطبقة لحل مشكلة رئيسية أخرى: التأخير وعدم التوافق الناتجين عن تعددية المستشعرات.
عادةً ما تُزَوَّد الروبوتات بمستشعرات متعددة في وقت واحد، مثل الليدار، والكاميرات العميقة، ووحدة قياس التسارع والاتجاه (IMU)، ومستشعرات العزم، ولكن هذه الأجهزة تأتي من مصنعين مختلفين وتعمل على بروتوكولات مختلفة.
إذا كانت البيانات تحتاج إلى معالجة على طبقات متتالية، فقد يُفوت نافذة الأمان في غضون بضعة عشرات من الملي ثانية.
يتمثل دور جسر المستشعرات في توحيد وصول جميع بيانات المستشعرات إلى مجال الحوسبة الآمن، وتحقيق معالجة متزامنة بتأخير منخفض، وتحقيق ضمان أمان من مستوى SIL 2.
الطبقة الثانية: نظام تشغيل آمن، يحل مشكلة "هل يمكن للنظام نفسه أن يخطئ"
إذا كانت الطبقة الأولى تضمن "عدم تعطل الأجهزة"، فإن هذه الطبقة تضمن "عدم فوضى النظام".
يعمل Halos OS على IGX Thor، مع وجود Halos Core كأساس، ويدعم نمطين: Linux نقي، أو بنية مختلطة من Linux + QNX.
في الحالة الأخيرة، تقسم نفيديا النظام عبر Hypervisor إلى منطقتين معزولتين: يُشرف لينكس على الحوسبة والتطبيقات الخاصة بالذكاء الاصطناعي، بينما يُشرف QNX على المهام الحيوية من حيث الأمان. وكلاهما يعملان بشكل معزول تمامًا.
هذا يعني أنه حتى في حالة حدوث استثناء في طبقة تطبيقات الذكاء الاصطناعي، فلن يؤثر ذلك على منطق التحكم الأمني. هذه الطبقة تشبه إضافة جدار عزل برمجي خارج "جزيرة الأمان hardware".
فوق ذلك، وحدة تطبيق الأمان، وأكثرها شيوعًا هي Outside-In Safety Blueprint.
فكرة ذلك هي: ليس فقط جعل الروبوت يرى العالم بنفسه، بل إدخال منظور خارجي.
على سبيل المثال، تثبيت كاميرات على سقف المصنع، حيث تراقب ذكاء اصطناعي مستقل سلوك الروبوتات من منظور طرف ثالث.
في سيناريو محدد، عندما تعمل شاحنة رافعة ذاتية في داخل مقطورة، فإن أجهزة الاستشعار المثبتة على الشاحنة قد تخطئ في تحديد حدود المساحة، مما يؤدي إلى توقف مفاجئ متكرر.
يمكن لنظام Outside-In أن يعمل بكفاءة أعلى عند تأكيد سلامة البيئة، ويتولى التدخل فورًا عند دخول أي شخص إلى منطقة خطرة.
هذه القدرة مفتوحة حاليًا للمطورين ومتاحة بشكل مفتوح المصدر.
الطبقة الثالثة: أمان الخوارزمية، وحل مشكلة "هل يمكن للذكاء الاصطناعي أن يخطئ في التقييم"
الطبقتان الأوليان تضمنان "موثوقية النظام"، لكن المخاطر الحقيقية للروبوت تأتي من الطبقات الأعلى — النموذج نفسه.
سواء كان ذلك نموذجًا للرؤية واللغة والحركة (VLA) أو نموذجًا للرؤية واللغة (VLM)، فقد تخطئ قراراتهما.
على سبيل المثال، خطأ في تصنيف الصندوق الورقي كإنسان، أو خطأ في تصنيف الإنسان كعائق. هذه الأخطاء ليست انهيارًا في النظام، بل هي "أخطاء فهم".
هدف طبقة الأمان الخوارزمي هو تقييم وتحديد حدود أمان سلوك النموذج في العالم المادي، وضمان عدم تحول الأخطاء إلى حركات خطرة.
الطبقة الرابعة: أمان النظام البيئي، وحل مشكلة "من يُصدّق ومن يتحمل المسؤولية"
الأعلى هو أمان النظام البيئي، المسؤول عن تحويل النظام الكامل إلى "معيار صناعي".
أقامت NVIDIA مختبر فحص أنظمة Halos AI وحصلت على أول شهادة ISO/IEC 17020 في مجال الذكاء الاصطناعي الفيزيائي على مستوى العالم. وتُقرّ مؤسسات الاعتماد مثل TÜV Rheinland وTÜV SÜD وUL Solutions وSGS وexida وCertX بنتائج الفحص هذه.
هذا يعني أن شركات الروبوتات يمكنها إجراء فحص أولي على نيفيديا قبل الدخول في عملية التصديق الرسمية، مما يقلل بشكل كبير من الوقت والتكلفة.
في الماضي، كانت هذه المرحلة مجزأة: حيث كانت المستشعرات والوحدات التحكمية وأنظمة الرؤية تحصل على شهاداتها الخاصة وفق معاييرها الخاصة، وكان على الشركات تجميعها وإعادة شهادتها بنفسها.
وأول مرة تُوحّد Halos عملية من الرقاقة إلى النظام والنموذج والاعتماد ضمن نظام واحد.
لماذا يحتاج الروبوت إلى نظام "أمان"؟
يُرجح أن العديد من الأصدقاء يشعرون بتساؤل مشابه عند رؤية هذا الخبر:
لماذا أصدرت نيفيديا في عام 2026 نظامًا خاصًا لأمان الروبوتات، بينما تُستخدم الروبوتات الصناعية بشكل موثوق منذ عقود؟
السبب بسيط، لأن الروبوتات الذكية الجسدية الحالية تنتقل من المختبرات إلى سيناريوهات صناعية حقيقية.
في الماضي، كانت الأذرع الصناعية مثبتة داخل محطات العمل، وكانت مسارات حركتها مبرمجة مسبقًا، وكان هناك حواجز فاصلة بين الإنسان والآلة، وكانت السلامة تعتمد بشكل رئيسي على الحدود المادية.
لكن الآن، بدأت الروبوتات من الجيل الجديد بالدخول إلى المصانع والمستودعات وحتى المكاتب، لمشاركة نفس المساحة مع البشر.
في الوقت نفسه، لم تعد العوامل المحركة لها قواعد ثابتة، بل نماذج أساسية متجسدة، وأجهزة استشعار موزعة، وأنظمة قرار في الوقت الفعلي.
التغيير الناتج هو أن الروبوتات لم تعد "مُنفِّذين حتميين"، بل أصبحت "كيانات مستقلة تتمتع بعدم اليقين".
حتى في البيئات عالية التهيكل مثل المصانع، فإن التعاون بين الروبوتات المختلفة، وتدفق المواد، وتغييرات تخطيط الخطوط الإنتاجية، بالإضافة إلى جزء من عدم قابلية الملاحظة للبيئة المحيطة، تُدخل باستمرار متغيرات خطر جديدة.
هذا يجعل "الأمان" لا يقتصر فقط على مشكلة العزل الميكانيكي، بل يصبح مشكلة على مستوى النظام.
كما أشارت بيجي جونسون، الرئيس التنفيذي لشركة Agility، إلى ضرورة الأمان بالنسبة للروبوتات التي تدخل المصانع:
لإنشاء قيمة على نطاق واسع من خلال الروبوتات البشرية، يجب تضمين الأمان داخل الروبوتات نفسها ويجب التحقق منه على مستوى النظام بأكمله. هذا ليس خيارًا، بل هو شرط مسبق لدخول الروبوتات البشرية إلى عمليات الصناعة.يرى ديبو تالا، نائب رئيس نفيديا للروبوتات والذكاء الاصطناعي الحاشي، أن:
إذا كان يجب نشر الروبوتات على نطاق واسع في المصانع والمستودعات وبيئات اللوجستيات، فإن الصناعة تحتاج إلى هيكل أمان موحد.بعبارة أخرى، المشكلة التي تواجهها صناعة الروبوتات اليوم تشبه إلى حد كبير ما واجهه القيادة الذاتية قبل أكثر من عقد من الزمن — فالنماذج تصبح أكثر ذكاءً، لكن ما يُحَدِّد في النهاية ما إذا كانت قابلة للتطبيق أم لا، غالبًا ما يكون الأمان وليس النموذج نفسه.
While Halos is precisely NVIDIA's answer.
يُكمل النظام الكامل لـ NVIDIA قطعة اللغز الأخيرة
في النهاية، أصبحت استراتيجية نيفيديا الشاملة للروبوتات جاهزة بالفعل.
إذا نظرنا إلى هذا النظام بشكل منفصل، فيمكن تقسيمه تقريبًا إلى أربع طبقات: التدريب، المحاكاة، النموذج، والاستدلال.
Isaac Sim مسؤول عن التدريب المحاكي، مما يسمح للروبوتات بالتعلم في بيئة افتراضية كيفية التفاعل مع العالم؛
GR00T يوفر النموذج الأساسي لتمكين الروبوتات من فهم الأوامر، وتحديد البيئة، و generating الحركات؛
يُنشئ Cosmos نموذجًا للعالم لتنبؤ بتطور العالم المادي نتيجة لأفعال مختلفة؛
Jetson Thor هو المسؤول عن الاستدلال الحافة، وتشغيل هذه القدرات فعليًا على جسم الروبوت.
تغطي منتجات NVIDIA كل طبقة من سلسلة التقنية، من التدريب إلى المحاكاة، ومن النموذج إلى نشر الاستدلال.
واليوم، يملأ Halos القطعة الأخيرة من اللغز: الأمان والوصول.
بمجرد اكتمال هذه العملية، يُدمج الروبوت بشكل شبه كامل في هذه الطبقات التقنية.
إذا تم تغيير أي طبقة أخرى (خاصة نظام الأمان والتحقق)، فهذا يعني إعادة اجتياز عملية التحقق بالكامل، مما يؤدي إلى تكبد تكاليف ووقت مفقودين مرة أخرى.
وبالتالي أصبح الوضع واضحًا جدًا: نيفيديا لا تصنع الروبوتات، لكنها تركت بالفعل واجهاتها في كل طبقة، من الرقائق إلى المحاكاة، ومن النماذج إلى الشهادات الأمنية.
هذا ليس فقط "مساعدتك على بناء روبوت جيد"، بل更像是 في تعريف—
كيفية تصنيع الروبوتات.