NVIDIA lanzó Halos for Robotics en la conferencia Automate 2026 en Chicago, un sistema integral de seguridad robótica que abarca desde chips y sensores hasta sistemas operativos y certificaciones de seguridad. Este sistema integra más de 18.600 años-hombre de experiencia en seguridad adquirida por NVIDIA en el ámbito de la conducción autónoma y 7 millones de líneas de código verificado, proporcionando una arquitectura de seguridad unificada para robots autónomos. Actualmente, 43 socios, incluidos Agility, Boston Dynamics y Hesai, se han unido al ecosistema, y Agility ya ha integrado Halos en su robot Digit, implementándolo en fábricas como Amazon. El lanzamiento de Halos marca la finalización de la última pieza del rompecabezas de NVIDIA en su estrategia completa de robótica, que abarca desde el entrenamiento, la simulación y los modelos hasta la certificación de seguridad.

Autor del artículo, fuente: Quantum Bit

NVIDIA no fabrica robots, pero ayudará a las empresas de agentes físicos a construir buenos robots (doge)

Just now, at the Automate 2026 conference in Chicago, NVIDIA launched Halos for Robotics—

Un sistema de seguridad integral para robots que cubre desde chips, sensores y sistemas operativos hasta la certificación de seguridad.

La característica principal de Halos es trasladar al ámbito de los robots la experiencia de seguridad acumulada por NVIDIA durante más de 18.600 años-hombre en el campo de la conducción autónoma y los 7 millones de líneas de código verificadas, proporcionando una arquitectura de seguridad unificada para robots autónomos.

Con ello, las empresas de robots ya no necesitan crear la rueda desde cero; pueden integrarla y usarla directamente. Más importante aún, el marco de seguridad principal de Halos ya está abierto al público y disponible para la industria.

Se puede decir que, si Tesla sigue una ruta tipo iOS para la inteligencia embodied, fabricando sus propios robots y gestionando su propia seguridad, entonces NVIDIA ha elegido una ruta tipo Android, abriendo su plataforma de seguridad a todos.

Es importante destacar que ya varias empresas se han unido al ecosistema Halos como primeros socios, incluyendo empresas de robots humanoides como Agility y Boston Dynamics, el proveedor de LiDAR Hesai Technology, la empresa de robots de seguridad FORT Robotics, entre otras, expandiendo así el ecosistema a más de 43 empresas.

Entre ellos, Agility ha sido la primera en probar el “cangrejo”, integrando Halos en sus robots Digit, que ya están operando con licencia en las fábricas de Amazon, GXO y Toyota.

El robot que lleva chaleco de seguridad en el video se mueve entre las cintas transportadoras de la fábrica, realizando tareas prácticas como transporte y logística.

Desde el chip hasta el software, seguridad en tres capas

¿Qué es exactamente este nuevo sistema de seguridad llamado Halos?

Según la arquitectura oficial de NVIDIA, Halos se puede dividir en cuatro capas, de abajo hacia arriba: seguridad de la plataforma, sistema operativo seguro、seguridad de algoritmos y seguridad ecológica.

These four layers actually correspond to four dimensions of the same issue—

Cuatro fuentes de errores posibles cuando los robots operan en el mundo real: hardware, sistemas de software, decisiones del modelo y autenticación externa con ecosistema.

Primero está la seguridad de la plataforma, asegurando que el hardware subyacente no pueda quedar fuera de control.

NVIDIA ha presentado IGX Thor en este nivel, una plataforma de cálculo de IA orientada a robots y escenarios industriales.

Dentro de él se establece una “isla de seguridad” independiente, con procesador, I/O, fuente de alimentación y reloj propios, físicamente aislada del sistema de cálculo principal.

Incluso si el sistema principal de IA se bloquea, se reinicia o funciona de manera anómala, la isla de seguridad aún puede ejecutar independientemente funciones críticas como el frenado de emergencia.

It's a bit like an airplane's backup system, which can still take control when the primary system fails.

En el mismo nivel también está Holoscan Sensor Bridge, diseñado para resolver otro problema clave: la latencia y el desajuste causados por la heterogeneidad de los sensores.

Los robots generalmente llevan equipados LiDAR, cámaras de profundidad, IMU, sensores de par, entre otros dispositivos, pero estos provienen de diferentes fabricantes y operan bajo distintos protocolos.

Si los datos necesitan ser procesados en una cola de múltiples niveles, se podría perder la ventana de seguridad en decenas de milisegundos.

La función de Sensor Bridge es conectar uniformemente todos los datos de los sensores al dominio de cálculo seguro, logrando procesamiento sincronizado de baja latencia y alcanzando la garantía de seguridad SIL 2.

Capa dos: Sistema operativo seguro, que resuelve la pregunta: "¿El sistema en sí puede fallar?"

Si la primera capa se encarga de "que el hardware no se caiga", esta capa se encarga de "que el sistema no se desordene".

Halos OS se ejecuta sobre IGX Thor, con Halos Core como base, y admite dos modos: Linux puro o una arquitectura híbrida de Linux + QNX.

En el segundo caso, NVIDIA utiliza un Hypervisor para dividir el sistema en dos dominios aislados: Linux se encarga del cálculo y las aplicaciones de IA, mientras que QNX gestiona tareas críticas para la seguridad. Ambos funcionan completamente aislados.

Esto significa que incluso si hay una anomalía en la capa de aplicaciones de IA, no afectará la lógica de control de seguridad. Esta capa actúa como una "pared de aislamiento de software" adicional fuera del "islote de seguridad hardware".

Sobre esto, se encuentra el módulo de aplicación de seguridad, donde el más típico es el Outside-In Safety Blueprint.

Su idea es: no solo permitir que el robot vea el mundo por sí mismo, sino también incorporar una perspectiva externa.

Por ejemplo, instalar cámaras en el techo de la fábrica y utilizar una IA independiente para monitorear el comportamiento de los robots desde una perspectiva externa.

En un escenario específico, cuando un montacargas autónomo opera dentro de un contenedor, los sensores a bordo tienden a malinterpretar los límites del espacio, lo que provoca frenadas bruscas frecuentes.

El sistema Outside-In puede operar con mayor eficiencia cuando se confirma que el entorno es seguro, y tomar el control inmediatamente si alguien ingresa a una zona peligrosa.

This capability is currently available to developers and is provided as open source.

Tercer nivel: Seguridad algorítmica, resolver la pregunta de “¿puede la IA equivocarse en sus propios juicios?”

Las dos primeras capas garantizan la “confiabilidad del sistema”, pero el verdadero riesgo del robot proviene de la capa superior: el modelo en sí.

Tanto el VLA (modelo de visión, lenguaje y acción) como el VLM (modelo de visión y lenguaje) pueden cometer errores en sus decisiones.

Por ejemplo, confundir una caja de cartón con una persona, o una persona con un obstáculo. Estos errores no son fallos del sistema, sino “errores de comprensión”.

El objetivo de esta capa de seguridad algorítmica es evaluar y restringir la seguridad del comportamiento del modelo en el mundo físico, asegurando que los errores no se conviertan en acciones peligrosas.

Cuarta capa: Seguridad ecológica, resolver "quién certifica y quién es responsable"

La capa superior es la seguridad ecológica, encargada de convertir todo el sistema en un "estándar de la industria".

NVIDIA estableció el Laboratorio de Inspección de Sistemas AI Halos y obtuvo la primera certificación ISO/IEC 17020 en el campo de la IA física a nivel mundial. Entidades de certificación como TÜV Rheinland, TÜV SÜD, UL Solutions, SGS, exida y CertX reconocen sus resultados de inspección.

Esto significa que las empresas de robots pueden completar la inspección previa en NVIDIA antes de ingresar al proceso de certificación oficial, reduciendo significativamente el tiempo y los costos.

Anteriormente, este proceso era fragmentado: sensores, controladores y sistemas visuales tenían sus propias certificaciones y normas, y las empresas tenían que ensamblarlos y volver a certificarlos por su cuenta.

Y Halos une por primera vez todo el proceso, desde el chip, el sistema, el modelo hasta la certificación, en un solo sistema.

¿Por qué los robots necesitan un "sistema de seguridad"?

Muchos de ustedes se preguntarán algo similar al ver esta noticia:

¿Por qué NVIDIA lanzó específicamente un sistema de seguridad para robots en 2026, si los robots industriales ya se han utilizado adecuadamente durante décadas?

La razón es sencilla: los robots de inteligencia encarnada ahora están pasando de los laboratorios a escenarios industriales del mundo real.

En el pasado, los brazos robóticos industriales estaban fijos dentro de estaciones de trabajo, con trayectorias de movimiento programadas previamente, y entre personas y máquinas se instalaban barreras para aislarlas, siendo la seguridad principalmente dependiente de límites físicos.

Pero ahora, una nueva generación de robots está entrando en fábricas, almacenes e incluso oficinas, compartiendo el mismo espacio con los humanos.

Meanwhile, what drives them is no longer fixed rules, but embodied foundation models, distributed sensors, and real-time decision systems.

El cambio que esto trae es que los robots ya no son "ejecutores deterministas", sino "agentes con incertidumbre".

Incluso en entornos altamente estructurados como fábricas, la colaboración entre diferentes robots, el flujo de materiales, los cambios en la disposición de la línea de producción y la parcial observabilidad del entorno circundante introducen constantemente nuevas variables de riesgo.

Esto hace que la "seguridad" ya no sea solo un problema de aislamiento mecánico, sino un problema a nivel de sistema.

Sobre la necesidad de la seguridad para la incorporación de robots en fábricas, Peggy Johnson, CEO de Agility, también expresó:

Para que los robots humanoides generen valor a gran escala, la seguridad debe estar integrada en el robot y verificada a nivel de todo el sistema. No es una opción, sino una condición previa para que los robots humanoides ingresen a los procesos industriales.

La evaluación de Deepu Talla, vicepresidente de robótica y AI de borde de NVIDIA, va un paso más allá:

Si los robots deben implementarse a gran escala en fábricas, almacenes y entornos logísticos, la industria necesita una arquitectura de seguridad unificada.

En otras palabras, el problema que la industria de los robots enfrenta hoy es similar al que enfrentó la conducción autónoma hace más de una década: los modelos se vuelven cada vez más inteligentes, pero lo que realmente determina si pueden implementarse no es el modelo en sí, sino la seguridad.

Y Halos es precisamente la respuesta de NVIDIA.

El sistema integral de NVIDIA completa la última pieza del rompecabezas

Al final, la estrategia integral de NVIDIA en robótica ya se ha consolidado.

Si se desglosa este sistema, se puede dividir aproximadamente en cuatro capas: entrenamiento, simulación, modelo e inferencia.

Isaac Sim se encarga de la simulación y el entrenamiento, permitiendo que los robots aprendan a interactuar con el mundo en entornos virtuales;

GR00T proporciona un modelo base para que los robots comprendan instrucciones, reconozcan el entorno y generen acciones;

Cosmos construye un modelo del mundo para predecir cómo evolucionará el mundo físico bajo diferentes acciones;

Jetson Thor se encarga de la inferencia en el borde, ejecutando estas capacidades directamente en el robot.

Desde el entrenamiento hasta la simulación, desde el modelo hasta la implementación de inferencia, cada capa de la cadena tecnológica completa está cubierta por productos de NVIDIA.

Y ahora, Halos completa la última pieza del rompecabezas: seguridad y acceso.

Una vez completado este proceso, el robot queda casi completamente integrado en esta pila tecnológica.

Cambiar cualquier otra capa (especialmente el sistema de seguridad y autenticación) significaría tener que repetir todo el proceso de verificación, lo que implicaría nuevos costos y tiempos perdidos.

Entonces la situación también se ha vuelto muy clara: NVIDIA no fabrica robots, pero ya ha dejado sus interfaces en cada nivel, desde los chips hasta la simulación, desde los modelos hasta la certificación de seguridad.

Esto no es solo “ayudarte a construir un robot”, sino más bien definir—

¿Cómo se fabrican los robots?