NVIDIA melancarkan Halos for Robotics di konvensi Automate 2026 di Chicago, satu sistem keselamatan robotik penuh yang merangkumi cip, sensor, sistem pengendali, dan sijil keselamatan. Sistem ini menggabungkan pengalaman keselamatan lebih daripada 18,600 tahun-kejuruteraan NVIDIA dalam bidang pengendalian automatik dan 7 juta baris kod yang telah disahkan, untuk menyediakan kerangka keselamatan seragam bagi robot autonomi. Saat ini, 43 rakan kongsi termasuk Agility, Boston Dynamics, dan Hesai telah menyertai ekosistem ini, dengan Agility telah mengintegrasikan Halos ke dalam robot Digit dan menggunakannya di pabrik-pabrik seperti Amazon. Pelancaran Halos menandakan penyelesaian terakhir dalam pelaksanaan penuh NVIDIA untuk robotik, dari latihan, simulasi, model hingga sijil keselamatan.

Penulis artikel, sumber: Quantum Bit

NVIDIA tidak membuat robot, tetapi ingin membantu perusahaan badan nyata membuat robot yang baik (doge)

Baru sahaja, di konvensyen Chicago Automate 2026, NVIDIA melancarkan Halos for Robotics—

Sistem keselamatan robot penuh yang merangkumi cip, sensor, sistem pengendalian, dan pengesahan keselamatan.

Ciri utama Hailo ialah membawa pengalaman keselamatan lebih daripada 18,600 tahun-kejuruteraan dan 7 juta baris kod yang telah disahkan oleh NVIDIA dalam bidang pengendalian kendaraan sendiri, ke bidang robotik, untuk menyediakan struktur keselamatan seragam untuk robot autonom.

Dengan ia, syarikat robotik tidak perlu lagi membina roda dari awal, hanya perlu menyambung dan menggunakannya. Lebih penting lagi, kerangka keselamatan inti Halos telah dibuka sumbernya dan diberikan kepada industri.

Boleh dikatakan, jika Tesla mengambil jalan iOS untuk kecerdasan badan, dengan membuat robot sendiri dan mengurus keselamatan sendiri, maka NVIDIA memilih jalan Android, dengan membuka platform keselamatan kepada semua orang.

Perlu ditekankan bahawa sudah ramai syarikat menyertai ekosistem Halos sebagai rakan kongsi pertama, termasuk syarikat robot bentuk manusia Agility, Boston Dynamics, pembuat LiDAR Hesai Technology, syarikat robot keselamatan FORT Robotics, dan lain-lain, dengan keseluruhan ekosistem telah berkembang kepada lebih 43 pihak.

Di antaranya, Agility telah menjadi yang pertama mencuba "ketam", mengintegrasikan Halos ke dalam robot Digit mereka, dan beroperasi secara berlesen di pabrik-pabrik Amazon, GXO, dan Toyota.

Robot yang memakai rompi keselamatan dalam video ini sedang bergerak di antara tali penghantar pabrik, menjalankan tugas-tugas sebenar seperti pengangkutan dan logistik.

Dari cip hingga perisian, keselamatan tiga lapisan

Apakah sistem keselamatan baru ini Halos sebenarnya apa?

Menurut arkaitektur rasmi NVIDIA, Halos boleh dibahagikan kepada empat lapisan, dari bawah ke atas: keselamatan platform, sistem operasi selamat、keselamatan algoritma, dan keselamatan ekosistem.

Keempat lapisan ini sebenarnya berkaitan dengan empat dimensi masalah yang sama—

Semasa robot beroperasi di dunia nyata, empat sumber kesilapan yang mungkin berlaku: peranti keras, sistem perisian, keputusan model, serta pengesahan luaran dan ekosistem.

Keselamatan platform adalah yang pertama, menyelesaikan ketidakmampuan peranti keras asas untuk kehilangan kawalan.

NVIDIA membawa keluar IGX Thor, sebuah platform pengiraan AI yang ditujukan untuk robot dan skenario industri.

Ia mempunyai "pulau keselamatan" yang berasingan dengan pemproses, I/O, kuasa, dan jam yang berasingan, serta dipisahkan secara fizikal daripada sistem pengiraan utama.

Walaupun sistem AI utama gagal, dimulai semula, atau beroperasi secara tidak normal, pulau keselamatan masih boleh menjalankan fungsi penting seperti brek kecemasan secara berdiri sendiri.

Ia sedikit seperti sistem simpanan pesawat, di mana sistem simpanan masih boleh mengambil alih kawalan apabila sistem utama gagal.

Pada tingkat yang sama, terdapat Holoscan Sensor Bridge untuk menyelesaikan masalah penting lain: latensi dan ketidaksesuaian yang disebabkan oleh heterogenitas sensor.

Robot biasanya dilengkapi dengan peralatan seperti LiDAR, kamera kedalaman, IMU, dan sensor tork secara serentak, tetapi peralatan ini berasal dari pembuat yang berbeza dan beroperasi pada protokol yang berbeza.

Jika data perlu diproses secara bertingkat, ia mungkin melewatkan jendela keselamatan dalam beberapa puluh milisaat.

Fungsi Sensor Bridge adalah untuk menghubungkan semua data sensor ke domain pengiraan selamat, mencapai pemprosesan serentak latensi rendah, dan memenuhi jaminan keselamatan SIL 2.

Tingkat dua: Sistem pengendali selamat, menyelesaikan "adakah sistem itu sendiri akan mengalami ralat"

Jika lapisan pertama menguruskan "perisian tidak rosak", lapisan ini menguruskan "sistem tidak kacau".

Halos OS berjalan di atas IGX Thor, dengan dasar Halos Core, dan menyokong dua mod: Linux tulen, atau arsitektur campuran Linux + QNX.

Dalam yang terakhir, NVIDIA menggunakan Hypervisor untuk membahagikan sistem menjadi dua domain yang dipisahkan: Linux bertanggungjawab atas pengiraan AI dan aplikasi, manakala QNX bertanggungjawab atas tugas-tugas penting keselamatan. Keduanya beroperasi secara sepenuhnya dipisahkan.

Ini bermakna bahawa walaupun terdapat kegagalan pada lapisan aplikasi AI, logik kawalan keselamatan tidak akan terjejas. Lapisan ini bersifat seperti "dinding pengasingan perisian" tambahan di luar "pulau keselamatan peranti keras".

Di atasnya ialah modul aplikasi keselamatan, di mana yang paling klasik ialah Outside-In Safety Blueprint.

Pendekatannya adalah: tidak hanya membiarkan robot melihat dunia sendiri, tetapi juga memperkenalkan perspektif luar.

Contohnya, memasang kamera di atap pabrik, dengan AI bebas yang memantau tingkah laku robot dari sudut pandang pihak ketiga.

Dalam satu senario tertentu, forklift autonomi yang beroperasi di dalam trailer mudah mengira salah sempadan ruang, menyebabkan pemberhentian mendadak yang kerap berlaku.

Sistem Outside-In boleh membenarkan operasi yang lebih cekap apabila persekitaran diiktiraf selamat, dan segera mengambil alih untuk mengintervensi sekiranya seseorang memasuki kawasan berbahaya.

Kemampuan ini kini telah dibuka kepada pembangun dan disediakan dalam bentuk sumber terbuka.

Tahap ketiga: Keselamatan algoritma, menyelesaikan “Adakah AI itu sendiri boleh membuat keputusan yang salah”

Dua lapisan pertama menjamin "kebolehpercayaan sistem", tetapi risiko sebenar bot sebenarnya datang dari lapisan yang lebih tinggi—model itu sendiri.

Baik VLA (Visual-Language-Action Model) mahupun VLM (Visual-Language Model), keputusan mereka mungkin salah.

Contohnya, kotak kertas disalahkan sebagai manusia, atau manusia disalahkan sebagai halangan. Kesilapan semacam ini bukan kegagalan sistem, tetapi “kesilapan pemahaman”.

Tujuan lapisan keselamatan algoritma ialah menilai dan mengawal keselamatan tingkah laku model di dunia fizikal, memastikan kesilapan tidak berubah menjadi tindakan berbahaya.

Tingkat keempat: Keselamatan ekosistem, menyelesaikan "siapa yang mengesahkan, siapa yang bertanggungjawab"

Paling atas ialah keselamatan ekosistem, bertanggungjawab untuk menjadikan keseluruhan sistem sebagai "piawaian industri".

NVIDIA telah membina Lab Pemeriksaan Sistem AI Halos dan memperoleh kelayakan pengesanan ISO/IEC 17020 pertama di dunia dalam bidang AI fizikal. Hasil pemeriksaan tersebut diiktiraf oleh agensi sijil seperti TÜV Rheinland, TÜV SÜD, UL Solutions, SGS, exida, dan CertX.

Ini bermakna syarikat robotik boleh menyelesaikan pemeriksaan awal di NVIDIA terlebih dahulu sebelum memasuki proses sijil rasmi, secara besar-besaran mengurangkan masa dan kos.

Dahulu, bahagian ini adalah terpecah-pecah: sensor, pengawal, dan sistem penglihatan masing-masing bersijil dan mempunyai piawaian sendiri, syarikat perlu menyusun dan bersijil semula sendiri.

Dan Halos pertama kali menggabungkan proses dari chip, sistem, model hingga sijil ke dalam satu sistem.

Mengapa robot memerlukan satu sistem "keselamatan"?

Tidak hairan ramai yang akan muncul dengan pertanyaan serupa apabila melihat berita ini:

Mengapa robot industri telah digunakan dengan baik selama beberapa dekad, tetapi NVIDIA secara khusus melancarkan sistem keselamatan robot pada tahun 2026?

Sebabnya mudah, kerana robot pintar tubuh semasa ini sedang berpindah dari makmal ke skenario industri dunia nyata.

Dalam masa lalu, lengan robot industri dipasang tetap di stesen kerja, trajektori pergerakannya telah diprogram sebelumnya, dan manusia serta mesin dipisahkan oleh pagar penghalang, dengan keselamatan bergantung terutama pada sempadan fizikal.

Namun, kini robot generasi baru mulai memasuki pabrik, gudang, bahkan pejabat, berbagi ruang yang sama dengan manusia.

Sementara itu, pendorongnya bukan lagi peraturan tetap, tetapi model asas berbadan, sensor teragih, dan sistem pengambilan keputusan masa nyata.

Perubahan yang dibawa ialah: robot bukan lagi “agennya pelaksanaan deterministik”, tetapi menjadi “agen dengan ketidakpastian”.

Walaupun dalam persekitaran pabrik yang sangat terstruktur, kerjasama antara robot yang berbeza, aliran bahan, perubahan susunan lini pengeluaran, serta sebahagian ketidakbolehderiaan persekitaran sekeliling, akan terus memperkenalkan pemboleh ubah risiko baru.

Ini menjadikan "keselamatan" bukan lagi hanya masalah pengasingan mekanikal, tetapi masalah peringkat sistem.

Agility CEO Peggy Johnson juga menyatakan:

Untuk robot bentuk manusia menciptakan nilai dalam skala besar, keselamatan mesti dibina ke dalam robot dan diverifikasi pada seluruh tahap sistem. Ini bukan pilihan, tetapi syarat mutlak sebelum robot bentuk manusia boleh dimasukkan ke dalam proses industri.

Penghakiman Deepu Talla, Naib Presiden Robotik dan AI Tepi NVIDIA, pula lebih lanjut:

Untuk menerapkan robot secara berskala di pabrik, gudang, dan persekitaran logistik, industri memerlukan satu struktur keselamatan seragam.

Dengan kata lain, masalah yang dihadapi industri robotik hari ini serupa dengan yang dihadapi kereta auto-pilot lebih dari sepuluh tahun lalu—model menjadi semakin pintar, tetapi yang sering menentukan keberhasilan pelaksanaannya bukanlah model itu sendiri, melainkan keselamatan.

Dan Halos, itulah jawapan yang diberikan oleh NVIDIA.

Sistem penuh lapisan NVIDIA melengkapi kepingan terakhir teka-teki

Pada akhirnya, pelaburan penuh stack robotik NVIDIA sebenarnya telah terbentuk.

Jika sistem ini dibahagikan kepada komponen-komponennya, ia boleh dibahagikan kepada empat peringkat: latihan, simulasi, model, dan inferens.

Isaac Sim bertanggungjawab atas latihan simulasi, membolehkan robot belajar cara berinteraksi dengan dunia dalam persekitaran maya;

GR00T menyediakan model asas untuk membolehkan robot memahami arahan, mengenal pasti persekitaran, dan menghasilkan tindakan;

Cosmos membina model dunia untuk meramalkan hasil evolusi dunia fizikal di bawah tindakan yang berbeza;

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

Dari latihan hingga simulasi, dari model hingga penghuraian penghantaran, setiap lapisan dalam rantai teknologi ini dicakup oleh produk NVIDIA.

Dan sekarang, Halos mengisi kepingan terakhir teka-teki: keselamatan dan akses.

Setelah proses ini selesai, robot hampir sepenuhnya terbenam dalam teknologi ini.

Jika menukar sebarang lapisan lagi (terutamanya sistem keselamatan dan pengesahan), ia bermakna perlu mengulangi proses pengesahan semula, di mana masa dan kos akan terbuang semula.

Oleh itu, situasi menjadi jelas: NVIDIA tidak membuat robot, tetapi ia telah meninggalkan antaramukanya di setiap peringkat, dari silikon hingga simulasi, dari model hingga sijil keselamatan.

Ini bukan sekadar “membantu anda menciptakan bot”, tetapi lebih seperti mentakrif—

Bagaimana robot dibina.