Regulator global, lembaga sertifikasi, dan pengembang kini sepakat: keselamatan robotaxi level 4 tidak bisa hanya bertumpu pada kecanggihan persepsi visual atau keputusan AI. Nvidia memetakan empat tantangan yang harus dipecahkan secara simultan: sistem operasi yang tersertifikasi keselamatan, antarmuka perangkat keras dan lunak yang terstandarisasi, AI yang beroperasi dalam pagar pengaman yang bisa diverifikasi, dan validasi skala masif sebelum kendaraan menyentuh jalan umum.
Halos OS yang baru diperkenalkan di ajang Nvidia GTC Taipei ini merupakan komponen dari sistem keamanan penuh Nvidia Halos. Sistem ini dibangun di atas platform Nvidia DRIVE Hyperion, yang sudah digunakan oleh mitra seperti Uber, Foxconn, VinFast, dan HUMAIN untuk program robotaxi di Munich, Taiwan, Asia Tenggara, hingga Arab Saudi.
Halos Core: Sistem Operasi Tersertifikasi yang Tahan Gagal
Di lapisan paling bawah, Halos Core menjadi fondasi yang sudah tersertifikasi standar otomotif ISO 26262 ASIL D — level tertinggi untuk keselamatan fungsional. Sistem ini dilengkapi hypervisor yang mengisolasi fungsi-fungsi kritis sehingga kegagalan tidak menjalar ke kendali kendaraan.
Halos Core juga menyertakan dukungan untuk Nvidia CUDA dan TensorRT yang telah tersertifikasi, serta menyediakan TensorRT Edge-LLM, kerangka kerja open source untuk menjalankan model bahasa besar dengan performa tinggi di perangkat tepi (edge device).
Halos SDK: Menyederhanakan Ribuan Sensor Tanpa Ulang Kode
Robotaxi modern mengintegrasikan kamera, radar, lidar, dan berbagai sensor yang masing-masing mengalirkan data dalam format dan kecepatan berbeda. Tanpa lapisan middleware standar, setiap perubahan perangkat keras memaksa tim membangun ulang integrasi secara manual.
Halos SDK memecahkan masalah ini melalui lapisan abstraksi sensor yang memisahkan tumpukan pengemudian otonom dari driver sensor individual. Artinya, menambah atau mengganti sensor tidak lagi mengganggu kode aplikasi. Lapisan abstraksi kendaraan juga menyediakan antarmuka tunggal yang konsisten antara sistem otonom dengan seluruh bagian kendaraan.
Di atasnya, SDK menyediakan penjadwal aplikasi deterministik untuk pengaturan waktu yang bisa diprediksi, komunikasi antar-proses tanpa salinan data (zero-copy IPC), kerangka penanganan kesalahan sistem, dan perekam skenario yang andal.
Halos Applications: AI dengan Pagar Pengaman yang Bisa Diaudit
Model AI mungkin bisa menyamai perilaku mengemudi manusia, tapi regulator butuh lebih dari sekadar performa. Lapisan Halos Applications menyediakan pagar pengaman berbasis aturan deterministik — fungsi yang dirancang untuk berperilaku dalam batas yang telah ditentukan.
Di dalamnya termasuk model persepsi dunia, tumpukan keselamatan aktif Nvidia DRIVE dengan fitur pengereman darurat otomatis, peringatan keluar jalur, pemantauan titik buta, dan peringatan tabrakan. Sistem ini juga dapat dikombinasikan dengan model AI ujung-ke-ujung dari keluarga Nvidia Alpamayo, yang mampu melakukan penalaran rantai pemikiran (chain-of-thought reasoning) — terus mengevaluasi jalan, merencanakan langkah berikutnya, dan beradaptasi dengan kondisi yang berubah.
Halos Safety Evaluation Framework: Validasi Sebelum ke Jalan Raya
Nvidia juga memperkenalkan Halos Safety Evaluation Framework (SEF), infrastruktur pengembangan berbasis cloud untuk pelatihan, simulasi, dan validasi kendaraan otonom dalam skala besar. SEF menyediakan alat dan panduan untuk membangun argumen keselamatan yang kredibel, dari sistem bantuan pengemudi level 2 hingga robotaxi level 4.
Framework ini mengacu pada lebih dari 330 makalah riset dan 1.000 paten yang dikembangkan dalam ekosistem Nvidia Halos. Infrastruktur ini berjalan di tiga komputer solusi otonom Nvidia: sistem DGX untuk pelatihan AI di pusat data, Omniverse di atas OVX untuk simulasi dan pembangkitan data sintetis, serta komputer onboard AGX untuk pemrosesan sensor real-time dan fungsi keselamatan.
