NVIDIA meluncurkan Halos for Robotics di konferensi Automate 2026 di Chicago, sebuah sistem keamanan robotik penuh yang mencakup chip, sensor, sistem operasi, hingga sertifikasi keamanan. Sistem ini mengintegrasikan lebih dari 18.600 tahun-kerja rekayasa keamanan dan 7 juta baris kode terverifikasi NVIDIA di bidang kendaraan otonom, menyediakan arsitektur keamanan terpadu untuk robot otonom. Saat ini, 43 mitra telah bergabung dalam ekosistem, termasuk Agility, Boston Dynamics, dan Hesai, dengan Agility telah mengintegrasikan Halos ke dalam robot Digit dan menggunakannya di pabrik-pabrik seperti Amazon. Peluncuran Halos menandai penyelesaian potongan terakhir dari strategi penuh NVIDIA dalam robotika, mulai dari pelatihan, simulasi, model, hingga sertifikasi keamanan.

Penulis artikel, sumber: Quantum Bit

NVIDIA tidak memproduksi robot, tetapi akan membantu perusahaan berbasis tubuh membuat robot yang baik (doge)

Baru saja, di konferensi Automate 2026 di Chicago, NVIDIA meluncurkan Halos for Robotics—

Sistem keamanan robot seluruh lapisan yang mencakup chip, sensor, sistem operasi, hingga sertifikasi keamanan.

Fitur utama Hali adalah memindahkan akumulasi keamanan lebih dari 18.600 insinyur-tahun NVIDIA di bidang kendaraan otonom dan 7 juta baris kode yang telah diverifikasi ke ranah robotika, untuk menyediakan arsitektur keamanan terpadu bagi robot otonom.

Dengan itu, perusahaan robot tidak perlu lagi membuat roda dari nol, cukup integrasikan dan gunakan. Yang lebih penting lagi, kerangka keamanan inti Halos telah bersifat open source dan dibuka untuk industri.

Dapat dikatakan bahwa jika Tesla dalam mengembangkan kecerdasan tubuh mengikuti jalur iOS, dengan memproduksi robot sendiri dan mengelola keamanan sendiri, maka NVIDIA memilih jalur Android, dengan membuka platform keamanan kepada semua orang.

Perlu dicatat bahwa sejumlah perusahaan telah bergabung dalam ekosistem Halos sebagai mitra pertama, termasuk perusahaan robot humanoid Agility, Boston Dynamics, pemasok LiDAR Hesai Technology, perusahaan robot keamanan FORT Robotics, dan lainnya, sehingga keseluruhan ekosistem telah berkembang menjadi lebih dari 43 perusahaan.

Di antaranya, Agility telah menjadi yang pertama mencoba "kepiting", mengintegrasikan Halos ke dalam robot Digit mereka, dan mulai bekerja di pabrik-pabrik Amazon, GXO, dan Toyota dengan lisensi resmi.

Robot yang mengenakan rompi keselamatan ini bergerak di antara konveyor pabrik, melakukan tugas-tugas nyata seperti pengangkutan dan logistik.

Dari chip hingga perangkat lunak, tiga lapisan keamanan

Apa sebenarnya sistem keamanan baru bernama Halos ini?

Menurut arsitektur resmi NVIDIA, Halos dapat dibagi menjadi empat lapisan, dari bawah ke atas: keamanan platform, sistem operasi aman、keamanan algoritma, dan keamanan ekosistem.

Keempat lapisan ini sebenarnya merupakan empat dimensi dari masalah yang sama—

Empat sumber kesalahan yang mungkin terjadi saat robot beroperasi di dunia nyata: perangkat keras, sistem perangkat lunak, keputusan model, serta otentikasi eksternal dan ekosistem.

Pertama adalah keamanan platform, memastikan perangkat keras dasar tidak kehilangan kendali.

NVIDIA menghadirkan IGX Thor di lapisan ini, sebuah platform komputasi AI untuk robot dan skenario industri.

Ia memiliki "pulau keamanan" terpisah di dalamnya, yang dilengkapi prosesor, I/O, daya, dan jam terpisah, terisolasi secara fisik dari sistem komputasi utama.

Meskipun sistem AI utama mengalami kegagalan, restart, atau berjalan tidak normal, pulau keamanan tetap dapat menjalankan fungsi kritis seperti pengereman darurat secara independen.

Ini sedikit seperti sistem cadangan pesawat, yang tetap dapat mengambil alih kendali ketika sistem utama gagal.

Lantai yang sama juga memiliki Holoscan Sensor Bridge, yang digunakan untuk menyelesaikan masalah kunci lainnya: latensi dan ketidaksesuaian yang disebabkan oleh heterogenitas sensor.

Robot biasanya dilengkapi secara bersamaan dengan perangkat seperti LiDAR, kamera kedalaman, IMU, sensor torsi, dll., tetapi perangkat-perangkat ini berasal dari produsen berbeda dan berjalan di protokol yang berbeda.

Jika data perlu diproses secara berurutan, maka jendela keamanan bisa terlewat dalam beberapa puluh milidetik.

Fungsi Sensor Bridge adalah menghubungkan semua data sensor ke domain komputasi aman, mencapai pemrosesan sinkron latensi rendah, dan memenuhi jaminan keamanan level SIL 2.

Lapisan kedua: Sistem operasi aman, menyelesaikan "apakah sistem itu sendiri akan mengalami kesalahan"

Jika lapisan pertama mengelola "perangkat keras tidak rusak", lapisan ini mengelola "sistem tidak kacau".

Halos OS berjalan di atas IGX Thor, dengan dasar Halos Core, yang mendukung dua mode: Linux murni, atau arsitektur campuran Linux + QNX.

Dalam yang terakhir, NVIDIA menggunakan Hypervisor untuk membagi sistem menjadi dua domain terisolasi: Linux bertanggung jawab atas komputasi AI dan aplikasi, sementara QNX bertanggung jawab atas tugas kritis keamanan. Keduanya berjalan sepenuhnya terisolasi.

Ini berarti bahwa bahkan jika terjadi gangguan pada lapisan aplikasi AI, logika kontrol keamanan tidak akan terpengaruh. Lapisan ini setara dengan menambahkan "dinding isolasi perangkat lunak" di luar "pulau keamanan perangkat keras".

Di atasnya adalah modul aplikasi keamanan, yang paling khas adalah Outside-In Safety Blueprint.

Idenya adalah: tidak hanya membiarkan robot melihat dunia sendiri, tetapi juga memperkenalkan perspektif eksternal.

Misalnya, memasang kamera di langit-langit pabrik, dengan AI independen memantau perilaku robot dari sudut pandang pihak ketiga.

Dalam skenario spesifik, saat forklift otonom bekerja di dalam truk, sensor onboard cenderung salah mengenali batas ruang, menyebabkan pemberhentian mendadak yang sering terjadi.

Sistem Outside-In dapat beroperasi dengan efisiensi lebih tinggi saat lingkungan dikonfirmasi aman, dan segera mengambil alih intervensi jika seseorang memasuki area berbahaya.

Kemampuan ini saat ini telah dibuka untuk pengembang dan disediakan dalam bentuk sumber terbuka.

Lapisan ketiga: Keamanan algoritma, menyelesaikan "Apakah AI itu sendiri bisa salah dalam pengambilan keputusan"

Dua lapisan pertama menjamin "keandalan sistem", tetapi risiko sebenarnya dari robot berasal dari lapisan yang lebih tinggi—model itu sendiri.

Baik VLA (Visual-Language-Action Model) maupun VLM (Visual-Language Model), keputusan mereka dapat saja salah.

Misalnya, karton dianggap sebagai manusia, atau manusia dianggap sebagai rintangan. Kesalahan semacam ini bukanlah kegagalan sistem, melainkan "kesalahan pemahaman".

Tujuan lapisan keamanan algoritma adalah menilai dan membatasi keamanan perilaku model di dunia fisik, memastikan bahwa kesalahan tidak berubah menjadi tindakan berbahaya.

Lapisan keempat: Keamanan ekosistem, menyelesaikan "siapa yang memverifikasi, siapa yang bertanggung jawab"

Lapisan teratas adalah keamanan ekosistem, yang bertanggung jawab menjadikan seluruh sistem ini sebagai "standar industri".

NVIDIA mendirikan Halos AI Systems Inspection Lab dan memperoleh sertifikasi deteksi ISO/IEC 17020 pertama di dunia di bidang AI fisik. Hasil deteksi tersebut diakui oleh lembaga sertifikasi seperti TÜV Rheinland, TÜV SÜD, UL Solutions, SGS, exida, dan CertX.

Ini berarti perusahaan robot dapat menyelesaikan pemeriksaan awal di NVIDIA terlebih dahulu, lalu memasuki proses sertifikasi resmi, secara signifikan mengurangi waktu dan biaya.

Di masa lalu, tahap ini terfragmentasi: sensor, controller, dan sistem visual masing-masing bersertifikasi dan memiliki standar sendiri, sehingga perusahaan harus merakit dan mensertifikasi ulang secara mandiri.

Dan Halos pertama kali menyatukan seluruh proses, mulai dari chip, sistem, model, hingga sertifikasi, ke dalam satu sistem yang terpadu.

Mengapa robot memerlukan sistem "keamanan"?

Tidak sedikit teman-teman yang akan memiliki pertanyaan serupa saat melihat berita ini:

Mengapa robot industri telah digunakan dengan baik selama beberapa dekade, tetapi NVIDIA justru secara khusus meluncurkan sistem keamanan robot pada tahun 2026?

Alasannya sederhana, karena robot cerdas tubuh saat ini sedang berpindah dari laboratorium ke skenario industri dunia nyata.

Di masa lalu, lengan robot industri dipasang tetap di stasiun kerja, trajektori gerakannya diprogram sebelumnya, dan manusia serta mesin dipisahkan oleh pagar pembatas, dengan keamanan terutama bergantung pada batas fisik.

Sekarang, generasi baru robot mulai memasuki pabrik, gudang, bahkan kantor, berbagi ruang yang sama dengan manusia.

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

Perubahan yang dihasilkan adalah: robot bukan lagi "agente deterministik", melainkan menjadi "agen dengan ketidakpastian".

Meskipun di lingkungan pabrik yang sangat terstruktur, kolaborasi antar robot, aliran material, perubahan tata letak lini produksi, serta sebagian ketidakteramatan lingkungan sekitar terus memperkenalkan variabel risiko baru.

Ini membuat "keamanan" tidak lagi hanya menjadi masalah isolasi mekanis, tetapi menjadi masalah tingkat sistem.

Agility CEO Peggy Johnson juga menyatakan:

Untuk menciptakan nilai secara massal dengan robot humanoid, keamanan harus dibangun ke dalam robot dan diverifikasi pada tingkat sistem secara keseluruhan. Ini bukan pilihan, tetapi syarat mutlak bagi robot humanoid untuk memasuki proses industri.

Penilaian Deepu Talla, Wakil Presiden Robotika dan AI Tepi NVIDIA, bahkan lebih jauh:

Untuk menerapkan robot secara skala besar di pabrik, gudang, dan lingkungan logistik, industri memerlukan arsitektur keamanan yang seragam.

Dengan kata lain, masalah yang dihadapi industri robot saat ini mirip dengan yang dihadapi mobil otonom dua belas tahun lalu—model menjadi semakin cerdas, tetapi yang sering menentukan apakah bisa diterapkan bukanlah model itu sendiri, melainkan keamanan.

Dan Halos, itulah jawaban yang diberikan NVIDIA.

Sistem penuh stack dari NVIDIA melengkapi kepingan terakhir teka-teki

Pada akhirnya, strategi penuh stack robot NVIDIA sebenarnya sudah terbentuk.

Jika sistem ini dibagi menjadi bagian-bagian, secara kasar dapat dibagi menjadi empat lapisan: pelatihan, simulasi, model, dan inferensi.

Isaac Sim bertanggung jawab atas pelatihan simulasi, memungkinkan robot belajar cara berinteraksi dengan dunia di lingkungan virtual;

GR00T menyediakan model dasar agar robot dapat memahami perintah, mengenali lingkungan, dan menghasilkan tindakan;

Cosmos membangun model dunia untuk memprediksi hasil evolusi dunia fisik di bawah berbagai tindakan;

Jetson Thor bertanggung jawab atas inferensi tepi, menjalankan kemampuan-kemampuan ini secara langsung pada tubuh robot.

Dari pelatihan hingga simulasi, dari model hingga penyebaran inferensi, setiap lapisan rantai teknologi ini didukung oleh produk NVIDIA.

Dan sekarang, Halos melengkapi bagian terakhir dari teka-teki: keamanan dan akses.

Setelah proses ini selesai, robot hampir sepenuhnya tertanam dalam tumpukan teknologi ini.

Jika mengganti lapisan apa pun lagi (terutama sistem keamanan dan otentikasi), berarti harus mengulangi seluruh proses verifikasi, sehingga waktu dan biaya akan kembali tenggelam.

Jadi situasinya juga menjadi jelas: NVIDIA tidak memproduksi robot, tetapi ia telah meninggalkan antarmukanya di setiap lapisan, mulai dari silikon hingga simulasi, dari model hingga sertifikasi keamanan.

Ini bukan hanya "membantu Anda membuat bot", melainkan lebih seperti mendefinisikan—

Bagaimana cara membuat robot.