Ipinakilala ng NVIDIA ang Halos for Robotics sa Chicago Automate 2026, isang buong stack na sistema ng seguridad para sa robotics na kumakapal ng chip, sensor, operating system, hanggang sa seguridad at sertipikasyon. Pinagsasama ng sistema ang 18,600 engineering-year na karanasan sa seguridad ng NVIDIA sa larangan ng autonomous driving at 7 milyong linya ng verified code upang magbigay ng isang magkakaugnay na arkitektura ng seguridad para sa autonomous robots. Kasalukuyang may 43 na mga kakilala kasama ang Agility, Boston Dynamics, at Hesai Technology na sumali sa ecosystem, at naisama na ng Agility ang Halos sa kanilang Digit robot at ginagamit na sa mga gawaing tulad ng Amazon. Ang paglulunsad ng Halos ay nagpapakita na natapos na ng NVIDIA ang huling piraso ng kanilang buong stack na布局 para sa robotics, mula sa pagtuturo, simulation, model, hanggang sa seguridad at sertipikasyon.

May-akda at pinagmulan: Quantum Bit

Hindi gumagawa ng robot ang NVIDIA, ngunit tutulungan nila ang mga kompanya ng embodied na gumawa ng mga mabuting robot (doge)

Kasalukuyang, sa Chicago Automate 2026 conference, inilunsad ng NVIDIA ang Halos for Robotics—

Isang buong hanay ng seguridad para sa robot na nakakapalupit sa chip, sensor, operating system, hanggang sa security certification.

Ang pinakamalaking katangian ng Halo ay ang pagpapadala ng mga nakaraang 18,600 engineering-year na seguridad na akumulasyon at 7 milyong linya ng patotohanang code ng NVIDIA sa larangan ng robotika, upang magbigay ng isang magkakasamang seguridad arkitektura para sa mga autonomous robot.

Sa pamamagitan nito, ang mga kompanya ng robot ay hindi na kailangang magsimula mula sa zero upang gumawa ng kanilang sariling gulong—kailangan lang nilang i-integrate. Mas mahalaga pa, ang pangunahing security framework ng Halos ay naging open source na at inilabas sa industriya.

Maaaring sabihin na kung ang Tesla ay naglalakad sa path ng iOS, kung saan sila mismo ang gumagawa ng robot at sariling seguridad, ang NVIDIA ay pumili ng path ng Android, kung saan inilalabas nila ang safety platform sa lahat.

Mahalagang banggitin na mayroon nang maraming kumpanya na sumali sa ecosystem ng Halos bilang mga unang kasapi, kabilang ang mga kumpanya ng humanoid robot tulad ng Agility at Boston Dynamics, ang manufacturer ng lidar na Hesai Technology, at ang kumpanya ng safety robot na FORT Robotics, at ang buong ecosystem ay nagsimulang lumawak patungo sa higit sa 43 na kumpanya.

Kung saan, ang Agility ay naging unang nagsisimula na kumain ng “crab,” at isinama ang Halos sa kanilang sariling Digit robot, at nagsisilbi na may lisensya sa mga gawaan ng Amazon, GXO, at Toyota.

Sa video, ang robot na nakasuot ng safety vest ay naglalakad sa pagitan ng conveyor belt ng pabrika, gumagawa ng mga praktikal na gawain tulad ng paghahatid at logistics.

Mula sa chip hanggang sa software, tatlong antas ng seguridad

Ano nga ba talaga ang bagong security system na Halos?

Ayon sa arkitektura ng NVIDIA, maaaring hatiin ang Halos sa apat na antas, mula sa ibaba patungo sa itaas: platform security, secure operating system、algorithm security, at ecosystem security.

Ang apat na antas ay tumutukoy sa apat na dimensyon ng iisang tanong—

Ang apat na pinagmumulan ng pagkakamali ng robot habang gumagana sa realidad: hardware, software system, desisyon ng modelo, at panlabas na pagpapatotoo at ekosistema.

Una sa platform security, lutasin ang pagkawala ng kontrol sa ilalim na hardware.

NVIDIA ay naglabas ng IGX Thor sa antas na ito, isang AI computing platform na para sa mga robot at industriyal na aplikasyon.

Mayroon itong isang hiwalay na “security island” na may sariling processor, I/O,电源, at clock, na pisikal na ihihiwalay sa pangunahing sistema ng pagkalkula.

Kahit ma崩溃, muling i-start, o mag-run nang hindi normal ang pangunahing AI system, ang safety island ay patuloy na makakapag-execute ng mga mahahalagang function tulad ng emergency braking.

Parang backup system ng isang eroplano, kung saan ang backup system ay patuloy na kumokontrol kung ang pangunahing system ay bumagsak.

Kasama rin sa parehong antas ang Holoscan Sensor Bridge, na naglulutas ng isa pang mahalagang problema: ang pagkakalat at pagkakamali sa pagitan ng mga sensor.

Karaniwan ang mga robot na may kasamang laser lidar, depth camera, IMU, torque sensor, at iba pang mga device, ngunit ang mga device na ito ay galing sa iba’t ibang manufacturer at gumagana sa iba’t ibang protocol.

Kung kailangan ng data na masira sa bawat antas ng pagproseso, maaaring mawala ang seguridad na window sa loob ng ilang dosen ng milisegundo.

Ang layunin ng Sensor Bridge ay ang pagsasama-sama ng lahat ng data ng sensor sa secure computing domain para sa low-latency synchronous processing at pagkamit ng SIL 2 safety assurance.

Pangalawang layer: Seguro na operating system, naaayos ang “maaari bang mali ang sistema mismo”

Kung ang unang antas ay nagtataguyod ng “hindi mabubulok ang hardware”, ang antas na ito ay nagtataguyod ng “hindi magkakaroon ng kaguluhan ang sistema”.

Ang Halos OS ay nagpapatakbo sa IGX Thor, na may Halos Core bilang base, at sumusuporta sa dalawang mode: pure Linux, o Linux + QNX hybrid architecture.

Sa huling kaso, ginamit ng NVIDIA ang Hypervisor upang hiwalayin ang sistema sa dalawang isolated domains: ang Linux ay responsable sa AI computing at aplikasyon, habang ang QNX ay responsable sa mga safety-critical tasks. Pareho ay tumatakbo nang buong pagkakahiwalay.

Ibig sabihin nito na kahit may anomaly sa application layer ng AI, hindi ito magdudulot ng epekto sa security control logic. Ang layer na ito ay katulad ng pagdaragdag ng isang “software isolation wall” sa labas ng “hardware security island”.

Sa itaas nito ay ang security application module, kung saan ang pinakakaraniwan ay ang Outside-In Safety Blueprint.

Ang ideya nito ay: hindi lang papanatilihin na ang robot ang nagmamasid sa mundo, kundi idinadagdag ang pananaw mula sa labas.

Halimbawa, ang pag-install ng mga kamera sa bubong ng pabrika, na sinusubaybayan ng isang independiyenteng AI mula sa pananaw ng ikatlong partido.

Sa isang partikular na sitwasyon, ang mga sensor sa sariling fork truck ay madalas mali ang pagtukoy sa mga hangganan ng espasyo habang nagtatrabaho sa loob ng trailer, na nagdudulot ng maraming biglaang paghinto.

Ang Outside-In system ay maaaring mag-run nang mas mataas na efficiency habang pinapatunayan ang kaligtasan ng kapaligiran, at agad na kumuha ng kontrol kapag may tao ang pumasok sa mapanganib na lugar.

Ang kakayahang ito ay kasalukuyang available para sa mga developer at ibinibigay sa pamamagitan ng open source.

Ikatlong antas: Algoritmic na seguridad, lutasin ang “baka mali ang pagtataya ng AI mismo”

Ang dalawang unang antas ay nagtitiyak ng “system reliability,” ngunit ang tunay na panganib ng robot ay nanggagaling sa mas mataas na antas—ang modelo mismo.

Maaaring mali ang desisyon ng anumang VLA (Visual-Language-Action Model) o VLM (Visual-Language Model).

Halimbawa, mali ang pagkilala sa isang kahon bilang tao, o mali ang pagkilala sa tao bilang hadlang. Ang mga kamalian na ito ay hindi pagkabigo ng sistema, kundi “mali ang pag-unawa”.

Ang layunin ng antas ng seguridad ng algoritmo ay ang pagtataya at pagpapaliit sa kaligtasan ng pag-uugali ng modelo sa pisikal na mundo, upang siguraduhing hindi maaaring magturno ang mga pagkakamali sa mapanganib na aksyon.

Ikaapat na antas: Kaligtasan ng ekosistema, lutasin ang "Sino ang mag-aaprubahan, sino ang responsable"

Ang pinakatataas ay ang生态安全, na responsable sa pagpapalit ng buong sistema bilang "industry standard".

Nagtatag ang NVIDIA ng Halos AI Systems Inspection Lab at nakakuha ng unang global na ISO/IEC 17020 accreditation sa larangan ng physical AI. Kinikilala ng mga certifying agencies tulad ng TÜV Rheinland, TÜV SÜD, UL Solutions, SGS, exida, at CertX ang kanilang mga resulta sa pagsusuri.

Ibig sabihin nito na ang mga kumpanya ng robot ay maaaring magawa ang kanilang pre-inspection sa NVIDIA bago pumasok sa proseso ng opisyal na sertipikasyon, na nagpapababa nang malaki sa oras at gastos.

Noong nakaraan, ang bahaging ito ay fragmented: ang mga sensor, controller, at visual system ay may sariling sertipikasyon at sariling pamantayan, at kailangan ng mga negosyo na mag-assembly at mag-sertipik muli.

At ang Halos ay unang beses na nag-uunify ng proseso mula sa chip, sistema, modelo, hanggang sa sertipikasyon sa isang sistema.

Bakit kailangan ng robot ng isang “sistema ng kaligtasan”?

Naniniwala ang maraming kaibigan na may magkatulad na tanong kapag nakakakita ng balitang ito:

Bakit naglunsad ang NVIDIA ng isang espesyal na sistema ng seguridad para sa mga robot ng industriya noong 2026, kahit na ang mga robot ng industriya ay ginagamit nang maayos na sa loob ng ilang dekada?

Simpleng dahilan, dahil ang mga robot na embodied intelligence sa kasalukuyan ay mula sa laboratorio patungo sa mga industriyal na aplikasyon sa totoong mundo.

Noong nakaraan, ang mga robotic arm sa industriya ay nakakabit sa loob ng mga工作站, ang kanilang mga track ng galaw ay na-program na sa harap, at ang tao at makina ay hiwalay ng mga parilala, at ang kaligtasan ay pangunahing nakabatay sa pisikal na hangganan.

Ngayon, ang mga bagong henerasyon ng robot ay nagsisimula nang pumasok sa mga pabrika, warehouse, at kahit sa mga opisina, kasama ang mga tao sa parehong espasyo.

Sambil ang mga ito ay hindi na hinahawakan ng mga nakapirming patakaran, kundi ng embodied foundation models, distributed sensors, at real-time decision systems.

Ang pagbabagong dulot nito ay: ang mga robot ay hindi na mga “deterministiko na tagapagpaganap,” kundi mga “mga autonomous agent na may kawalan ng katiyakan.”

Kahit sa isang mataas na istrakturadong kapaligiran tulad ng pabrika, ang pagtutulungan sa pagitan ng iba’t ibang robot, ang paggalaw ng materyales, ang pagbabago sa layout ng produksyon, at ang parte ng hindi makikita na kapaligiran ay patuloy na magdadala ng mga bagong risk variables.

Nagiging isyu sa sistema na ito ang “kaligtasan” at hindi na lamang isyu sa mekanikal na paghihiwalay.

Sa kahalagahan ng kaligtasan sa pagpapasok ng mga robot sa pabrika, sinabi rin ni Agility CEO Peggy Johnson:

Upang makalikha ng malaking halaga ang humanoid robots, ang kaligtasan ay dapat isama sa loob ng robot at masisiyasi sa buong sistema. Ito ay hindi isang opsyon, kundi isang pangunahing kondisyon para sa pagpasok ng humanoid robots sa mga industriyal na proseso.

Mas lumalawak ang pagtataya ni Deepu Talla, Vice President for Robotics at Edge AI ng NVIDIA:

Kung ang mga robot ay dapat i-scale sa mga pabrika, warehouse, at mga environment ng logistics, kailangan ng industriya ng isang magkakasunod na security architecture.

Sa madaling salita, ang problema na kinakaharap ng industriya ng robotika ngayon ay katulad ng nangyari sa autonomous driving labing-isang taon na ang nakalipas—lalong lumalaki ang katalinuhan ng mga model, ngunit ang tunay na nagdedesisyon kung makakalabas ba ito sa merkado ay kadalasan ang kaligtasan, hindi ang modelo mismo.

At ang Halos, iyon ang sagot ng NVIDIA.

Ang buong sistema ng NVIDIA ay kumpleto ang huling piraso ng puzzle

Sa huli, ang buong stack ng robotics ni NVIDIA ay nangyayari na.

Kung ihihiwalay ang sistema na ito, maaari itong hatiin sa apat na antas: pagtuturo, pagpapakita, modelo, at pagdedebelop.

Ang Isaac Sim ay nagtatrabaho sa pagpapalakas ng pagtuturo sa pamamagitan ng pagpapalakas ng robot sa isang virtual na kapaligiran upang matutunan kung paano makipag-ugnayan sa mundo;

Ang GR00T ay nagbibigay ng base model upang maunawaan ng mga robot ang mga utos, makikilala ang kapaligiran at mag-generate ng mga aksyon;

Ang Cosmos ay nagbuo ng isang modelo ng mundo upang makapaghula ng mga epekto ng iba't ibang aksyon sa pisikal na mundo;

Ang Jetson Thor ang nagtatanggol ng edge inference, na nagpapatakbo ng mga kakayahan na ito sa mismong robot.

Mula sa pagtatrain hanggang sa simulasyon, mula sa modelo hanggang sa deployment at inference, ang bawat antas ng teknikal na chain ay kinakapitan ng mga produkto ng NVIDIA.

At ngayon, ang Halos ay nagpuno sa huling piraso ng puzzle: ang seguridad at pag-access.

Kapag natapos na ang proseso na ito, ang robot ay halos buong naisasama na sa teknikal na stack.

Kung papalitan ang anumang layer pa (lalo na ang sistema ng seguridad at pagpapatotoo), ibig sabihin ay kailangang muling pasabugin ang proseso ng pagpapatotoo, at muling mawawala ang oras at gastos.

Kaya naging malinaw na ang sitwasyon: Hindi naggagawa ng robot ang NVIDIA, ngunit naiiwan na ito ng sariling interface sa bawat antas, mula sa silicon hanggang sa simulation, mula sa model hanggang sa security certification.

Hindi ito lamang na “tutulungan ka na gumawa ng isang robot,” kundi mas katulad ng pagtukoy—

Paano gawin ang isang robot.