Dari Laboratorium ke Jalan Raya — Bagaimana NVIDIA Membentuk Ulang Dasar Keselamatan dalam Mengemudi Otonom

Di lintasan uji tertutup, sebuah kendaraan cerdas prototipe bergerak maju perlahan. Sekelompok insinyur berdiri di dekatnya, tidak memperhatikan kemudi atau sensor, tetapi terpaku pada sinyal real-time yang mengalir di layar monitor mereka. Ini adalah uji simulasi lain yang sedang berlangsung di Laboratorium Inspeksi Sistem AI NVIDIA.

Anda mungkin belum pernah mendengar tentang laboratorium ini, tetapi di sinilah NVIDIA dan mitranya memvalidasi integrasi keamanan produk mereka dengan elemen inti Halos. Dan Halos? Itu bukan nama produk — itu adalah kerangka kerja keamanan. Sebuah upaya berani oleh NVIDIA untuk membangun kembali fondasi keamanan untuk sistem bantuan mengemudi cerdas dan menciptakan sistem yang layak dipercaya.

NVIDIA Halos adalah kerangka kerja keamanan full-stack untuk kendaraan cerdas, yang mengintegrasikan perangkat keras, perangkat lunak, model AI, lingkungan simulasi, dan layanan validasi. Intinya adalah konsep AI fisik — sebuah arsitektur keamanan yang mencakup seluruh proses mulai dari pelatihan di cloud hingga penyebaran di dalam kendaraan.

Dimulai dari infrastruktur, NVIDIA pertama kali memperkenalkan Laboratorium Inspeksi Sistem AI pertama di dunia. Di atas dasar itu, secara bertahap berkembang menjadi Halos — sebuah sistem keamanan komprehensif yang mencakup dari cloud hingga edge hingga kendaraan.

1.     Laboratorium Inspeksi Sistem AI: Dari Menetapkan Standar hingga Mendapatkan Kepercayaan

Pada Januari 2025, NVIDIA memperkenalkan Laboratorium Inspeksi Sistem AI pertama di industri pada CES. Lebih dari sekadar tonggak simbolis, laboratorium ini disertifikasi oleh ANAB di bawah ISO/IEC 17020, dan mengintegrasikan enam domain utama menjadi satu kerangka kerja: keselamatan fungsional (ISO 26262), keselamatan fungsi yang dimaksudkan (ISO 21448), keamanan siber (ISO 21434), keselamatan fungsi AI (ISO PAS 8800, ISO/IEC TR 5469), dan peraturan PBB yang relevan (UN-R 79, 13-H, 152, 155, 157, dan 171).

Dibangun untuk mendukung mitra yang menggunakan platform NVIDIA DRIVE AGX Orin dan Thor, laboratorium ini membantu memverifikasi apakah sistem kendaraan yang didorong oleh AI memenuhi persyaratan keamanan paling ketat di industri.

"Menjadi anggota Laboratorium Inspeksi Sistem AI berarti bekerja di garis depan inovasi dan integritas sistem otomotif," kata Cristian Casorran Hontiyuelo, manajer teknik dan produk sistem bantuan mengemudi tingkat lanjut di Ficosa.

OMNIVISION, onsemi, dan Continental juga telah bergabung, memvalidasi sensor, modul komputasi pusat, dan antarmuka chip.

Metode yang dikembangkan dan disempurnakan di laboratorium akan terus membentuk Halos.

2. Lahirnya Halos: Dari Filsafat ke Mesin Keselamatan Sistemik

Pada musim semi tahun 2025, NVIDIA secara resmi meluncurkan Halos di GTC. Lebih dari sekadar produk, Halos mewujudkan "filsafat keselamatan pertama"—tidak hanya menambahkan keselamatan sebagai pemikiran belakangan, tetapi membangunnya dari baris pertama kode.

Halos mengintegrasikan semua teknologi inti NVIDIA: platform DRIVE AGX (komputasi), DriveOS (sistem operasi), DGX (pelatihan model AI), Omniverse dan Cosmos (simulasi), serta Inspection Lab (kepatuhan dan validasi).

Arsitektur Halos mencakup seluruh siklus hidup—mulai dari desain dan penyebaran hingga validasi—dan terdiri dari empat pilar penting:

Keselamatan Platform:Halos memiliki sistem-on-a-chip (SoC) yang dinilai aman dengan ratusan mekanisme keselamatan yang terintegrasi.

Halos juga mencakup perangkat lunak NVIDIA DriveOS, sistem operasi yang bersertifikat aman yang mencakup dari CPU hingga GPU; platform dasar yang dinilai aman yang memberikan komputer dasar yang diperlukan untuk mengaktifkan sistem aman untuk semua jenis aplikasi; dan DRIVE AGX Hyperion, platform perangkat keras yang menghubungkan SoC, DriveOS, dan sensor dalam arsitektur unit kontrol elektronik.

Keselamatan Algoritmik:Halos mencakup pustaka untuk pemuatan data keselamatan dan akselerator, serta antarmuka pemrograman aplikasi untuk pembuatan, kurasi, dan rekonstruksi data keselamatan untuk menyaring, misalnya, perilaku dan bias yang tidak diinginkan sebelum pelatihan.

Halos juga memiliki lingkungan pelatihan, simulasi, dan validasi yang kaya yang memanfaatkan NVIDIA Omniverse Blueprint untuk simulasi kendaraan otonom dengan model dasar dunia NVIDIA Cosmos untuk melatih, menguji, dan memvalidasi kendaraan otonom. Selain itu, Halos memiliki tumpukan kendaraan otonom yang beragam yang menggabungkan komponen modular dengan model AI end-to-end untuk memastikan keselamatan dengan model AI mutakhir dalam lingkaran.

Keselamatan Ekosistem:Halos mencakup dataset keselamatan dengan data yang beragam dan tidak bias, serta alur kerja penyebaran aman, yang mencakup alur kerja triase dan evaluasi keselamatan otomatis, bersama dengan roda data untuk peningkatan keselamatan yang berkelanjutan—menunjukkan kepemimpinan dalam standarisasi dan regulasi keselamatan kendaraan otonom.

Laboratorium Inspeksi Sistem AI NVIDIA:Laboratorium Inspeksi Sistem AI NVIDIA yang pertama kali diakreditasi oleh ANAB memeriksa dan memverifikasi integrasi produk mitra dengan elemen keselamatan NVIDIA Halos.

Yang paling penting, Halos menstandarisasi, memodularisasi, dan memformalkan kemampuan-kemampuan ini menjadi satu perangkat lunak yang dapat digunakan kembali—mendukung keselamatan siklus hidup penuh di seluruh generasi data, pelatihan, simulasi, penyebaran, dan pembaruan OTA.

"Halos bukan hanya sekadar kumpulan teknologi—ini adalah filosofi yang membuat setiap fase pengembangan dapat dilacak, diuji, dan dijelaskan," kata Riccardo Mariani, VP of Industry Safety, NVIDIA.

3. Keselamatan yang Didorong oleh Proses: Dasar dari Halos

Akar Halos dapat ditelusuri kembali ke kemitraan awal NVIDIA dengan TÜV SÜD dan TÜV Rheinland untuk sertifikasi platform DRIVE Orin dan DRIVE AV. Kolaborasi ini membantu memformalkan model "desain–verifikasi–penerapan", yang sekarang tertanam dalam Halos.

Sistem ini bersifat modular dan ramah pengembang: mitra dapat membangun solusi L3 khusus di atas DRIVE OS atau menggunakan data sintetis berbasis Cosmos untuk mensimulasikan kasus-kasus ekstrem—semua dalam kerangka kerja terstruktur Halos.

Kasus penggunaannya mencakup pengiriman kota hingga pengangkutan barang jalan raya:

Contoh-contoh ini menunjukkan bagaimana model keamanan AI fisik Halos mendukung skalabilitas dan adaptasi domain.

4. Halos di Luar Mobil: Memperluas ke Robotik

Pada GTC Paris bulan Juni 2025, NVIDIA mengumumkan perluasan Halos di luar pengemudian berassistansi—sekarang termasuk robotik di bawah kerangka keamanan AI-nya.

Pada bulan Juni 2025 di GTC Paris, NVIDIA memperluas Halos di luar kendaraan ke robotik.

Perusahaan seperti Boston Dynamics, Advantech, Trimble, dan Easyrain telah bergabung dengan ekosistem Lab: Boston Dynamics memvalidasi perilaku darurat dan gerakan otonom robot Atlas-nya; Advantech menggunakan Halos untuk menguji robot logistik dalam kondisi gudang yang dinamis.

Hal ini mencerminkan misi Halos yang lebih luas: membangun kepercayaan pada sistem AI fisik di berbagai industri, mulai dari jalan hingga pabrik.

Pada konferensi GTC Paris yang diadakan pada tanggal 11 Juni, NVIDIA secara resmi mengumumkan perluasan kerangka kerja Halos dari fokus hanya pada pengemudian cerdas menjadi mencakup ekosistem robotik yang lebih luas, dengan tujuan meningkatkan keamanan di seluruh siklus pengembangan mesin bertenaga AI.

Secara khusus, Halos AI Systems Inspection Lab—yang awalnya dirancang untuk pengemudian cerdas—sekarang juga mendukung penilaian keselamatan fungsional platform robotik.

Dengan lingkup yang diperluas ini, beberapa perusahaan terkemuka telah bergabung dengan ekosistem Halos Lab, termasuk Bosch, pengembang keselamatan aktif Easyrain, penyedia solusi posisi Trimble, pelopor robotik seluler Boston Dynamics, spesialis IoT dan sistem tertanam Advantech, operator logistik ArcBest, inovator pertanian otonom Bluewhite, produsen radar keselamatan Inxpect, penyedia solusi kontrol gerak cerdas NexCOBOT, dan perusahaan teknologi gerak Synapticon.

Ini menandai perubahan peran Halos—dari simbol keamanan tingkat otomotif menjadi kerangka kerja kepercayaan mendasar bagi semua sistem AI yang terlibat dalam pengambilan keputusan fisik di dunia nyata.

5. Tiongkok: Kesempatan Regulasi

Pada akhir 2024, Kementerian Perindustrian dan Teknologi Informasi Tiongkok mengeluarkan peraturan baru yang mengharuskan persetujuan tipe untuk sistem mengemudi L3+. Kebijakan-kebijakan ini memprioritaskan keterjangkauan, pelacakan sistem, dan keamanan siber AI—area yang tepat yang ditangani oleh Halos.

NVIDIA telah menyelaraskan Halos dengan kebutuhan kepatuhan yang terus berkembang ini. Tanpa mengikat mitra pada tumpukan komersial tertentu, Halos menyediakan alat modular—simulasi, tata kelola data, API validasi—yang membantu OEM dan pemasok Tiongkok menavigasi wilayah regulasi baru ini.

Kesimpulan

Saat teknologi cerdas mempercepat transformasi industri otomotif, membawa AI ke dalam kendaraan tidak hanya membutuhkan kemajuan dalam akurasi algoritma. Tantangan sebenarnya terletak pada pembangunan kerangka kerja keamanan yang standar dan berkelanjutan yang dapat diandalkan oleh seluruh industri.

Itulah pemikiran di balik sistem Halos NVIDIA. Dengan menghubungkan desain platform, pelatihan model AI, pengujian simulasi, dan kepatuhan terhadap peraturan, Halos menyatukan keamanan dalam setiap tahap pengembangan kendaraan.

Jalan menuju mobilitas yang lebih cerdas mungkin panjang, tetapi dengan Halos, perjalanan menjadi lebih cepat—dan jauh lebih aman.