NVIDIA a lancé Halos for Robotics lors de la conférence Automate 2026 à Chicago, un système de sécurité complet pour la robotique couvrant les puces, les capteurs, le système d'exploitation et l'authentification de sécurité. Ce système intègre plus de 18 600 années-engine de compétences en sécurité acquises dans le domaine de la conduite autonome et 7 millions de lignes de code validées, offrant une architecture de sécurité unifiée pour les robots autonomes. Actuellement, 43 partenaires, dont Agility, Boston Dynamics et Hesai, ont rejoint l'écosystème ; Agility a déjà intégré Halos dans son robot Digit, qui est désormais utilisé dans des usines telles que celles d'Amazon. Le lancement de Halos marque la finalisation de la dernière pièce du puzzle de la stratégie complète de NVIDIA en robotique, couvrant l'entraînement, la simulation, les modèles et l'authentification de sécurité.

Auteur et source de l'article : Quantum Bit

NVIDIA ne fabrique pas de robots, mais aide les entreprises d'embodiment à créer de bons robots (doge)

Juste maintenant, lors de la conférence Automate 2026 à Chicago, NVIDIA a lancé Halos for Robotics—

Un système de sécurité robotique complet couvrant les puces, les capteurs, les systèmes d'exploitation et l'authentification sécurisée.

La caractéristique principale de Halos est de transférer les 18 600 années-homme d'expérience en sécurité accumulées par NVIDIA dans le domaine de la conduite autonome et les 7 millions de lignes de code validées vers le secteur des robots, afin de fournir une architecture de sécurité unifiée pour les robots autonomes.

Avec cela, les entreprises de robots n'ont plus besoin de réinventer la roue : elles peuvent simplement l'intégrer. Plus important encore, le cadre de sécurité principal de Halos est open source et ouvert à l'industrie.

On peut dire que si Tesla, en matière d’intelligence incarnée, suit une approche comme iOS, en fabriquant ses propres robots et en assurant sa propre sécurité, alors NVIDIA adopte une approche comme Android, en ouvrant sa plateforme de sécurité à tous.

Il est à noter que de nombreuses entreprises ont déjà rejoint l'écosystème Halos en tant que premiers partenaires, notamment la société de robots humanoïdes Agility, Boston Dynamics, le fabricant de lidar Hesai Technology, et la société de robots de sécurité FORT Robotics, ce qui fait passer l'ensemble de l'écosystème à plus de 43 entreprises.

Parmi eux, Agility a été le premier à adopter le « crabe », en intégrant Halos dans ses robots Digit, qui sont désormais autorisés à travailler dans les usines d'Amazon, GXO et Toyota.

Dans la vidéo, ce robot portant un gilet de sécurité se déplace entre les convoyeurs de l'usine pour effectuer des tâches réelles telles que le transport et la logistique.

De la puce au logiciel, sécurité en trois couches

Qu'est-ce que ce nouveau système de sécurité, Halos ?

Selon l'architecture officielle de NVIDIA, Halos peut être divisé en quatre niveaux, du bas vers le haut : sécurité de la plateforme, système d'exploitation sécurisé、 sécurité des algorithmes et sécurité de l'écosystème.

Ces quatre niveaux correspondent en réalité aux quatre dimensions d’un même problème —

Lorsqu'un robot fonctionne dans le monde réel, les quatre sources potentielles d'erreurs sont : le matériel, le système logiciel, les décisions du modèle et l'authentification externe ainsi que l'écosystème.

La sécurité de la plateforme est la priorité, en s'assurant que l'infrastructure sous-jacente ne puisse pas échapper au contrôle.

NVIDIA a dévoilé à ce niveau l'IGX Thor, une plateforme de calcul IA destinée aux robots et aux scénarios industriels.

Il intègre une « île de sécurité » indépendante, dotée d’un processeur, d’I/O, d’une alimentation et d’une horloge propres, physiquement isolée du système de calcul principal.

Même en cas de panne, de redémarrage ou de fonctionnement anormal du système principal d'IA, l'île de sécurité peut toujours exécuter indépendamment des fonctions critiques telles que le freinage d'urgence.

C'est un peu comme le système de secours d'un avion qui prend le contrôle lorsque le système principal échoue.

Au même niveau, il y a Holoscan Sensor Bridge, conçu pour résoudre un autre problème clé : la latence et les désynchronisations causées par l'hétérogénéité des capteurs.

Les robots sont généralement équipés simultanément de lidar, de caméras de profondeur, d'IMU, de capteurs de couple, etc., mais ces appareils proviennent de différents fabricants et fonctionnent sur des protocoles différents.

Si les données doivent être traitées en file d'attente, il est possible de manquer la fenêtre de sécurité en quelques dizaines de millisecondes.

La fonction de Sensor Bridge est de centraliser toutes les données des capteurs dans un domaine de calcul sécurisé, permettant un traitement synchronisé à faible latence et atteignant une garantie de sécurité SIL 2.

Deuxième couche : système d'exploitation sécurisé, résolvant la question « le système lui-même peut-il commettre une erreur »

Si la première couche assure que le matériel ne tombe pas en panne, celle-ci garantit que le système ne se désorganise pas.

Halos OS s'exécute sur IGX Thor, avec Halos Core en tant que couche sous-jacente, et prend en charge deux modes : Linux pur ou une architecture hybride Linux + QNX.

Dans le second cas, NVIDIA utilise un hyperviseur pour diviser le système en deux domaines isolés : Linux gère le calcul et les applications AI, tandis que QNX gère les tâches critiques en matière de sécurité. Les deux fonctionnent entièrement isolés.

Cela signifie que même en cas d'anomalie au niveau de l'application IA, la logique de contrôle de sécurité n'est pas affectée. Cette couche ajoute une « barrière logicielle » supplémentaire à l'extérieur de l'« îlot de sécurité matérielle ».

Au-dessus de cela se trouve le module d'application de sécurité, dont le plus typique est le Outside-In Safety Blueprint.

Son idée est de ne pas laisser uniquement le robot observer le monde, mais d'introduire une perspective externe.

Par exemple, installer des caméras au plafond d'une usine pour que une IA indépendante surveille le comportement des robots depuis un point de vue tiers.

Dans un scénario spécifique, lorsqu'un chariot élévateur autonome opère à l'intérieur d'un conteneur, les capteurs embarqués ont tendance à mal interpréter les limites de l'espace, provoquant des arrêts d'urgence fréquents.

Le système Outside-In peut fonctionner à un rendement plus élevé lorsqu'il confirme que l'environnement est sécurisé, et reprend immédiatement le contrôle en cas d'entrée dans une zone dangereuse.

Cette fonctionnalité est désormais disponible pour les développeurs et est fournie en open source.

Niveau 3 : Sécurité algorithmique, résoudre la question « L'IA elle-même peut-elle se tromper ? »

Les deux premières couches garantissent la « fiabilité du système », mais le véritable risque des robots provient en réalité de la couche supérieure : le modèle lui-même.

Que ce soit un VLA (modèle visuel-linguistique-action) ou un VLM (modèle visuel-linguistique), leurs décisions peuvent être erronées.

Par exemple, confondre une boîte en carton avec une personne, ou une personne avec un obstacle. Ces erreurs ne sont pas des pannes du système, mais des « erreurs de compréhension ».

L'objectif de cette couche de sécurité algorithmique est d'évaluer et de contraindre la sécurité des comportements du modèle dans le monde physique, afin de garantir que les erreurs ne se transforment pas en actions dangereuses.

Niveau 4 : Sécurité de l'écosystème, résoudre la question de « qui authentifie et qui est responsable »

Le niveau supérieur est la sécurité écologique, chargé de transformer l'ensemble du système en « norme industrielle ».

NVIDIA a établi le laboratoire d'inspection Halos AI Systems et obtenu la première certification ISO/IEC 17020 au monde dans le domaine de l'IA physique. Les organismes de certification TÜV Rheinland, TÜV SÜD, UL Solutions, SGS, exida et CertX reconnaissent les résultats de ses inspections.

Cela signifie que les entreprises de robots peuvent effectuer une pré-évaluation chez NVIDIA avant d'entrer dans le processus de certification officiel, réduisant considérablement les délais et les coûts.

Par le passé, cette étape était fragmentée : les capteurs, les contrôleurs et les systèmes visuels étaient chacun certifiés selon leurs propres normes, et les entreprises devaient les assembler et les certifier à nouveau.

Halos intègre pour la première fois l'ensemble du processus, du puce au système, en passant par le modèle et la certification, au sein d'un seul système.

Pourquoi un robot a-t-il besoin d'un « système de sécurité » ?

Beaucoup d'entre vous, en voyant cette actualité, se poseront probablement la même question :

Pourquoi NVIDIA a-t-il spécifiquement lancé un système de sécurité pour robots en 2026, alors que les robots industriels sont déjà utilisés de manière fiable depuis des décennies ?

La raison est simple : les robots d'intelligence incarnée actuels passent des laboratoires aux scénarios industriels du monde réel.

Dans le passé, les bras robotiques industriels étaient fixés à l'intérieur de postes de travail, avec des trajectoires d'action préprogrammées, et une séparation physique entre les humains et les machines, la sécurité reposant principalement sur des limites physiques.

Mais maintenant, une nouvelle génération de robots entre dans les usines, les entrepôts et même les bureaux, partageant le même espace que les humains.

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

Le changement apporté est que les robots ne sont plus des « exécutants déterministes », mais deviennent des « agents autonomes avec incertitude ».

Même dans un environnement hautement structuré comme une usine, la collaboration entre différents robots, le flux de matériaux, les changements de disposition des lignes de production, ainsi que la部分不可观测性 de l'environnement, introduisent constamment de nouvelles variables de risque.

Cela fait de la « sécurité » un problème de niveau système, et non plus seulement une question d'isolement mécanique.

Concernant la nécessité de la sécurité pour l'entrée des robots dans les usines, Peggy Johnson, PDG d'Agility, a également déclaré :

Pour que les robots humanoïdes créent une valeur à grande échelle, la sécurité doit être intégrée dès la conception des robots et validée au niveau de l'ensemble du système. Ce n'est pas une option, mais une condition préalable à leur intégration dans les processus industriels.

La décision de Deepu Talla, vice-président d'NVIDIA chargé des robots et de l'IA en périphérie, va plus loin :

Pour que les robots puissent être déployés à grande échelle dans les usines, entrepôts et environnements logistiques, l'industrie a besoin d'une architecture de sécurité unifiée.

En d'autres termes, les problèmes auxquels l'industrie des robots est confrontée aujourd'hui ressemblent à ceux rencontrés il y a une dizaine d'années par l'automatisation automobile — les modèles deviennent de plus en plus intelligents, mais ce qui détermine réellement leur capacité à être déployés, ce n'est souvent pas le modèle lui-même, mais la sécurité.

Et Halos est précisément la réponse apportée par NVIDIA.

Le système complet d'NVIDIA complète le dernier morceau du puzzle

Au final, le déploiement complet d'NVIDIA dans le domaine des robots est déjà en place.

Si l'on décompose ce système, on peut le diviser en quatre niveaux : entraînement, simulation, modèle et inférence.

Isaac Sim gère l'entraînement par simulation, permettant aux robots d'apprendre à interagir avec le monde dans un environnement virtuel ;

GR00T fournit un modèle de base permettant aux robots de comprendre les instructions, d'identifier l'environnement et de générer des actions ;

Cosmos construit un modèle du monde pour prédire l'évolution du monde physique sous différentes actions ;

Jetson Thor est chargé de l'inférence en périphérie, permettant de faire réellement fonctionner ces capacités sur le robot lui-même.

Chaque couche de la chaîne technologique, de l'entraînement à la simulation, du modèle au déploiement et à l'inférence, est couverte par les produits NVIDIA.

Et maintenant, Halos complète le dernier morceau du puzzle : la sécurité et l'accès.

Une fois ce processus terminé, le robot est presque entièrement intégré à cette pile technologique.

Changer une autre couche (notamment le système de sécurité et d'authentification) signifie devoir reprendre tout le processus de vérification, avec des coûts et un temps à nouveau engagés.

La situation est donc devenue claire : NVIDIA ne fabrique pas de robots, mais elle a déjà laissé ses interfaces à chaque niveau, du silicium à la simulation, en passant par les modèles et l'authentification de sécurité.

Ce n'est pas seulement « vous aider à créer un robot », c'est plutôt définir —

Comment fabriquer un robot.