A fizikai AI – vagyis az önálló döntéseket hozó és azokat fizikai cselekvéssé alakító gépek világa – rohamléptekkel közelít a nagyüzemi bevezetés küszöbéhez. Az ABI Research előrejelzése szerint 2035-re 49 millió darabos telepített bázist érhet el a 3–5. szintű autonóm járművek piaca, miközben az Omdia becslése alapján 2026 és 2035 között közel 60 millió ipari robot kerülhet üzembe szerte a világon. Ahogy ezek a gépek egyre nagyobb számban jelennek meg gyárakban, raktárakban és közutakon – emberekkel közös terekben –, az NVIDIA Halos nevű teljes veremű biztonsági rendszerrel igyekszik bizonyítani, hogy a fizikai AI biztonságosan méretezhető fel.
Miért szükséges új biztonsági modell a fizikai AI-hoz?
A hagyományos funkcionális biztonság önmagában nem elegendő, ha autonóm, AI-vezérelt rendszerekről van szó. Az NVIDIA négy alapvető változást azonosít, amelyek új biztonsági megközelítést tesznek szükségessé:
- Dinamikus környezetek: Az utak, gyárak és raktárak nem zárhatók le statikus biztonsági zónákkal. Az autonóm rendszereknek észlelniük kell a változó körülményeket, és biztonságos állapotba kell kerülniük, ha váratlan esemény következik be.
- AI-specifikus biztosítékok szükségessége: A tesztelésnek az AI-szoftvert is értékelnie kell a hagyományos funkcionális biztonság mellett – tervezési, futásidejű és validálási szintű korlátokkal egyaránt. Az olyan feltörekvő szabványok, mint az ISO/IEC TS 22440, már elkezdik kezelni ezeket az AI-specifikus kockázatokat.
- Folyamatos fejlesztés: Az autonóm járművek és robotok szoftverfrissítéseken, modellváltozásokon és új feladatokon mennek keresztül – minden lényeges változás további biztonsági tesztelést igényelhet.
- Szimulációalapú validáció: A valós tesztelést szintetikus adatgenerálással, szimulációval és esemény-rekonstrukcióval kell kiegészíteni, mert a lehetséges forgatókönyvek száma és összetettsége emberi erőforrással önmagában nem kezelhető.
Ezek a változások együttesen azt követelik meg, hogy a biztonság ne egyszeri ellenőrzés legyen az üzembe helyezés előtt, hanem beépített, a teljes tervezési, validálási és üzemeltetési ciklust átfogó folyamat.
Az NVIDIA Halos rendszer rétegről rétegre
Az NVIDIA Halos az első és egyben egyetlen teljes veremű biztonsági rendszer, amelyet kifejezetten fizikai AI-alkalmazásokhoz terveztek. A rendszer alapjait az NVIDIA több mint egy évtizedes autonóm jármű fejlesztési tapasztalata adja, és az alapelvek közösek az autonóm járművek és a robotika területén – miközben a platformok, szabványok és bizonyítékok doménenként eltérők.
Autonóm járművek (AV)
Az AV-fejlesztés területén a Halos az alábbi rétegeket fedi le:
- Hardver: Az NVIDIA DRIVE AGX Thor biztonsági szempontból tervezett gyorsított számítástechnikát nyújt, míg az NVIDIA Hyperion a 4. szintű autonóm járművek teljes veremű jármű-platformja és referencia-architektúrája.
- Operációs rendszer és middleware: A Halos OS egységes szoftveralapot biztosít az ASIL-D tanúsítású DriveOS-re építve. A Halos Core és a Halos Middleware rendszer-izolációt, monitorozást és determinisztikus kommunikációt biztosít.
- Végponttól végpontig terjedő modell: Az NVIDIA Alpamayo nyílt, érvelő Vision-Language-Action modelleket kínál, amelyek magyarázhatóságot visznek a hosszúfarokú, ritka forgatókönyvekbe.
- Szimuláció és validáció: Az NVIDIA Halos Safety Evaluation Framework eszközöket és irányelveket biztosít a biztonsági esetek alátámasztásához szükséges bizonyítékok létrehozásához, különböző automatizálási szinteken.
Ipari robotika
A robotika területén a Halos eltérő, de párhuzamos architektúrát követ:
- Hardver: Az NVIDIA IGX Thor ipari fokozatú modul egyetlen platformon ötvözi a gyorsított számítástechnikát és a funkcionális biztonságot, dedikált Functional Safety Island (FSI) egységgel. Az IEC 61508 és ISO 13849 szabványokhoz tervezett rendszereket támogat.
- Szoftver: A Halos Core for IGX a biztonsággal kapcsolatos operatív funkciók szoftveralapját jelenti – hibakimutatást, monitorozást és riportálást biztosít, összekötve az érzékelőket, aktuátorokat és egyéb biztonsági komponenseket.
- Valós idejű érzékelés: Az NVIDIA Holoscan Sensor Bridge összeköti az érzékelőadatokat az AI- és biztonsági feldolgozással, segítve az érvénytelen adatok azonosítását és a meghatározott biztonsági válaszok végrehajtását.
- Szimuláció: Az NVIDIA Isaac Lab és az NVIDIA Omniverse könyvtárak lehetővé teszik, hogy a fejlesztők releváns körülmények és szélsőséges esetek között teszteljék a robot viselkedését.
- Külső biztonság: A nyílt forráskódú NVIDIA Halos Outside-In Safety Blueprint külső kamerákat és vision AI ágenseket használ, hogy az onboard érzékelőkön túlra terjeszsze a tudatosságot és lehetővé tegye a létesítményszintű biztonsági monitorozást.
Ökoszisztéma és független tanúsítás
A Halos platform mögött széles ipari ökoszisztéma áll. Az autonóm járművek területén olyan gyártók épülnek az NVIDIA Hyperion platformra, mint a Geely, az Isuzu, a Nissan (Wayve szoftverrel) és az Einride, miközben az Uber, a Grab és a Lyft mobilitási szolgáltatók is a Hyperion segítségével fejlesztik robotaxi-flottáikat.
Az NVIDIA Halos AI Systems Inspection Lab tagjai között olyan vállalatok szerepelnek, mint az AUMOVIO, a Bosch, a Gatik, a Hesai, a Lucid, a MIRA, az onsemi, a PlusAI, a Sony, a Valeo és a Wayve – lefedve az autonóm vezetés fejlesztését, az ADAS-t, az érzékelőket, a szilíciumot, a rendszerintegrációt, a validálást és a biztonsági auditot.
A robotika területén az acontis és a QNX beágyazott szoftvereket biztosít a biztonsági funkciókhoz, az Advantech és a NexCOBOT biztonsági szempontból tervezett IGX-rendszereket épít, az Infineon, az NXP, az STMicroelectronics és a Texas Instruments pedig érzékelő- és biztonsági mikrokontroller-technológiákhoz járul hozzá. Kiemelkedő alkalmazási példa, hogy az Agility Robotics integrálja az NVIDIA IGX Thor-t és a Halos Core-t a Digit 5 humanoid robot biztonsági rendszerébe, a KION Group pedig funkcionális biztonsági ágenseket fejleszt autonóm targoncákhoz.
A független tanúsítás terén a TÜV SÜD az NVIDIA Automotive Product Lifecycle szoftverfolyamatát és a DriveOS 6.0-t ISO 26262 ASIL D szintre, az NVIDIA autóipari mérnöki folyamatait pedig ISO/SAE 21434 szabványra tanúsította. A TÜV Rheinland független UNECE biztonsági értékelést végzett az NVIDIA DRIVE AV-on, és jelenleg az IGX Thor, a Halos OS, valamint a Holoscan Sensor Bridge funkcionális biztonsági tanúsíthatóságát vizsgálja. Az ANAB akkreditálta a Halos AI Systems Inspection Lab-et mint ISO/IEC 17020 szabvány szerinti inspekciós szervezetet.
Gyakori kérdések
Mire való az NVIDIA Halos Outside-In Safety Blueprint?
Ez egy nyílt forráskódú megoldás, amely külső kamerákat és vision AI ágenseket alkalmaz. Célja, hogy az autonóm rendszer onboard érzékelőin túlra terjeszsze a biztonsági tudatosságot, és lehetővé tegye a létesítményszintű funkcionális biztonsági monitorozást.
Milyen szabványoknak felel meg az NVIDIA Halos?
A rendszer tanúsítási háttere több szabványra épül: az autóiparban az ISO 26262 ASIL D és az ISO/SAE 21434, a robotika területén az IEC 61508 és az ISO 13849 a releváns keretek. Az AI-specifikus kockázatokat az ISO/IEC TS 22440 feltörekvő szabvány hivatott kezelni.
Mekkora piacra számítanak a fizikai AI-t alkalmazó iparágak 2035-re?
Az ABI Research 49 millió darabos telepített bázist jósol a 3–5. szintű autonóm járművek számára 2035-re, az Omdia pedig közel 60 millió ipari robot üzembe helyezését becsüli 2026 és 2035 között.
Hogyan csatlakoznak a humanoid robotok a Halos ökoszisztémához?
Az Agility Robotics Digit 5 nevű humanoidja konkrét példa: a vállalat az NVIDIA IGX Thor modult és a Halos Core szoftvert integrálja a robot biztonsági rendszerébe, az iparági szabványoknak megfelelő funkcionális biztonsági architektúrát kialakítva.
Forrás: NVIDIA Blog
