Tensor RoboCar Memanfaatkan Ratusan Inti Prosesor Arm untuk Mendukung Kendaraan Otonom
Tensor RoboCar menjadi salah satu inovasi kendaraan otonom yang menggabungkan kecerdasan buatan dengan kemampuan komputasi berperforma tinggi. Melalui kerja sama strategis dengan Arm yang diumumkan pada Februari 2026, Tensor mengintegrasikan 433 inti prosesor berbasis Arm ke dalam setiap kendaraan. Sistem tersebut dirancang untuk mendukung kemampuan mengemudi otomatis Level 4, mulai dari mengenali lingkungan hingga mengendalikan berbagai komponen keselamatan. Kendaraan ini juga mengandalkan akselerasi AI dari NVIDIA dan puluhan sensor untuk memproses informasi secara langsung. Perkembangan TEKNOLOGI tersebut menunjukkan bagaimana arsitektur komputasi modern berperan penting dalam menghadirkan mobil otonom yang lebih cerdas, responsif, dan andal.
Kolaborasi Tensor dan Arm Memperkuat Sistem Mobil Tanpa Pengemudi
Transformasi industri kendaraan otonom memerlukan pemrosesan data yang cepat. Tensor membangun RoboCar dengan menjadikan kecerdasan buatan sebagai komponen mendasar dalam arsitektur kendaraan. Melalui kerja sama bersama Arm, perusahaan mengintegrasikan 433 inti prosesor berbasis Arm pada setiap unit RoboCar. Susunan pemrosesan tersebut menunjukkan besarnya kebutuhan komputasi untuk mengoperasikan berbagai fungsi kendaraan secara bersamaan. Tidak seperti komputer kendaraan biasa yang hanya mengendalikan beberapa tugas elektronik, sistem RoboCar harus menafsirkan informasi lingkungan, mengambil keputusan, dan mengendalikan komponen keselamatan. Melalui pendekatan tersebut, Tensor berupaya menghadirkan kendaraan yang dapat bernavigasi secara mandiri dalam kondisi yang sesuai.
Kerja sama strategis Tensor dan Arm diumumkan pada Februari 2026 sebagai bagian dari penyempurnaan sistem komputasi kendaraan generasi berikutnya. Pada pengembangan bersama tersebut, Arm menghadirkan fondasi arsitektur prosesor yang menyatukan berbagai sistem komputasi di dalam kendaraan. Strategi tersebut memungkinkan distribusi pekerjaan dari komputer pusat hingga sensor dan pengendali berdaya rendah. Selain performa, arsitektur tersebut juga dirancang untuk mempertimbangkan efisiensi energi dan keselamatan. Hal ini penting karena kendaraan otonom harus merespons perubahan kondisi jalan dalam waktu singkat. Namun demikian, jumlah inti yang tinggi tidak secara otomatis menjamin keselamatan tanpa pengujian sistem menyeluruh.
Arsitektur Arm Membagi Tugas Komputasi pada Tensor RoboCar
Bagian menarik arsitektur Tensor RoboCar adalah pemanfaatan beberapa keluarga prosesor Arm dengan karakteristik tersendiri. Melalui pembagian komponen ini, Arm Neoverse AE dimanfaatkan untuk menangani pemrosesan AI dengan kebutuhan throughput tinggi. Sementara itu, Cortex-X berperan dalam mendukung AI kabin dan pengendalian sistem yang memerlukan performa tinggi. Arsitektur Cortex-A menangani berbagai fungsi, termasuk drive-by-wire, pengolahan sistem lidar, dan komputasi umum. Berkat distribusi pekerjaan, setiap kelompok prosesor dapat memproses aktivitas yang sesuai dengan karakteristiknya. Strategi pembagian beban tersebut dirancang untuk mengoptimalkan efisiensi pemrosesan. Di samping manfaat tersebut, sistem dapat meminimalkan ketergantungan pada satu jenis prosesor untuk seluruh pekerjaan kendaraan.
Pada sistem yang memerlukan respons waktu nyata, Tensor RoboCar juga memanfaatkan prosesor Cortex-R. Komponen pemrosesan tersebut dioptimalkan untuk menangani pekerjaan real-time yang mengandalkan respons terprediksi. Di sisi lain, Cortex-M diandalkan dalam menangani berbagai subsistem kecil. Untuk memberikan gambaran, pengendali berdaya rendah dapat menjalankan fungsi elektronik yang tidak membutuhkan performa komputer pusat. Dengan pembagian fungsi ini, Tensor mencoba sistem dengan keseimbangan antara kecepatan, konsumsi energi, dan keandalan. Namun demikian, keberhasilan implementasi bergantung oleh integrasi perangkat lunak, komunikasi antarkomponen, dan pengujian keselamatan. Karena itu, validasi keseluruhan sistem tetap merupakan tahap penting sebelum kendaraan digunakan secara luas.
Teknologi Sensor Terintegrasi pada Mobil Tanpa Pengemudi Tensor
Tidak hanya memerlukan kemampuan komputasi tinggi, kendaraan otonom juga perlu memahami kondisi lingkungan secara terus-menerus. Tensor RoboCar menggunakan sistem sensor yang meliputi 37 kamera, lima lidar, dan 11 radar. Sebagai perangkat pengamatan tambahan, kendaraan dibekali 22 mikrofon, sepuluh sensor ultrasonik, tiga IMU, serta sistem GNSS. Susunan perangkat ini dikembangkan untuk memperoleh informasi lingkungan dari berbagai sudut dan karakteristik pengukuran. Perangkat visual dapat membantu pengenalan marka jalan, kendaraan lain, dan objek di sekitar. Di sisi lain, lidar memungkinkan pemetaan jarak menggunakan cahaya, sedangkan radar menyediakan informasi mengenai posisi dan pergerakan objek. Dengan menggabungkan berbagai sumber data tersebut, kendaraan dirancang membangun pemahaman lingkungan yang lebih menyeluruh.
Rangkaian perangkat pengamatan kendaraan juga menghadirkan 16 sensor benturan, delapan sensor ketinggian air, empat sensor tekanan ban, dan pendeteksi asap. Sensor pendukung tersebut mendukung kendaraan mendeteksi sejumlah kondisi yang berkaitan dengan keselamatan. Dalam situasi tertentu, sensor tekanan ban dapat menampilkan informasi mengenai kondisi roda, sedangkan sensor air berpotensi membantu pendeteksian lingkungan yang memerlukan kewaspadaan. Di samping kemampuan pendeteksian, Tensor juga menghadirkan konektivitas 5G tiga kanal untuk mendukung komunikasi kendaraan. Meskipun sistem sensor sangat lengkap, seluruh data yang terkumpul tetap membutuhkan proses diolah secara tepat. Oleh sebab itu, perangkat lunak persepsi dan pengambilan keputusan memiliki peran penting dalam keselamatan kendaraan.
Superkomputer Kendaraan Mendukung Pengambilan Keputusan Real-Time
Untuk kebutuhan kecerdasan buatan, Tensor RoboCar memadukan prosesor Arm dengan akselerasi AI dari NVIDIA. Kombinasi tersebut membantu pembagian pekerjaan antara CPU dan perangkat akselerator yang dikembangkan untuk model AI. Dalam pengumuman perusahaan, superkomputer kendaraan memiliki kemampuan pemrosesan AI sekitar 8.000 TOPS. Istilah TOPS dipakai untuk mengukur kemampuan teoritis melakukan operasi komputasi dalam jumlah sangat besar. Walaupun performa puncaknya besar, TOPS bukan ukuran tunggal yang menjamin kualitas mengemudi otonom. Kinerja sistem di jalan tetap ditentukan oleh efisiensi perangkat lunak, ketepatan model AI, dan kemampuan pengolahan sensor. Karena alasan tersebut, integrasi perangkat keras dan perangkat lunak termasuk faktor utama pengembangan RoboCar.
Saat sistem otonom aktif, informasi dari kamera, lidar, radar, dan sensor lainnya dianalisis untuk memahami situasi jalan. Selanjutnya, sistem AI mendukung proses perencanaan lintasan serta menghasilkan respons kendaraan. Untuk memberikan gambaran, ketika terdapat kendaraan berhenti di depan, sistem harus mempertimbangkan jarak, kecepatan, dan situasi sekitar sebelum melakukan tindakan. Rangkaian keputusan ini memerlukan komunikasi cepat antara berbagai komponen. Dengan kebutuhan tersebut, Tensor merancang sistem komputasi yang saling terhubung untuk memungkinkan respons waktu nyata. Namun demikian, situasi jalan yang tidak terduga tetap memerlukan pengujian dan validasi keselamatan secara mendalam.
Teknologi Otonom Level 4 dan Tantangan Keselamatan Tensor RoboCar
Sasaran teknologi Tensor RoboCar adalah mendukung kemampuan mengemudi otonom Level 4 berdasarkan klasifikasi SAE. Menurut konsep otomatisasi berkendara ini, kendaraan dapat mengendalikan tugas mengemudi tanpa pengawasan manusia secara terus-menerus selama berada dalam kondisi operasional yang ditetapkan. Dengan kata lain, kemampuan otonom tidak otomatis berlaku pada seluruh jalan, cuaca, atau lingkungan. Produsen tersebut mempersiapkan RoboCar dengan konsep kendaraan pribadi yang dapat berpindah secara mandiri dalam wilayah yang sesuai. Untuk memberikan gambaran, kendaraan dirancang agar dapat mendatangi pemiliknya tanpa harus selalu dikemudikan langsung. Namun demikian, penggunaan sebenarnya dipengaruhi oleh persetujuan regulator, validasi keselamatan, dan batasan wilayah operasi.
Untuk mendukung keselamatan, Tensor menggunakan pendekatan redundansi pada berbagai sistem penting. Konsep redundansi berarti penggunaan komponen atau jalur cadangan agar suatu fungsi dapat tetap berjalan ketika bagian tertentu mengalami gangguan. Pada RoboCar, sistem pemrosesan diintegrasikan dengan pengendali dan sumber daya yang memiliki mekanisme cadangan. Selain itu, manajemen termal juga diperlukan agar perangkat komputasi dapat berfungsi pada rentang suhu yang sesuai. Namun demikian, keselamatan tidak hanya ditentukan oleh jumlah komponen cadangan. Pengujian perangkat lunak tetap merupakan bagian penting sebelum layanan otonom dapat diterapkan pada berbagai wilayah.
Ringkasan Inovasi Prosesor Arm untuk Kendaraan Otonom
Pengembangan Tensor RoboCar menjadi kemajuan besar dalam penerapan kecerdasan buatan pada transportasi. Melalui integrasi 433 inti prosesor Arm, akselerasi NVIDIA, dan berbagai sensor, kendaraan tersebut dirancang untuk menghadirkan kemampuan mengemudi otomatis Level 4. Daya tarik arsitektur ini berada pada pembagian pekerjaan komputasi antara berbagai jenis prosesor. Di samping kemampuan pemrosesan, sistem keselamatan berlapis dan pengolahan informasi waktu nyata merupakan bagian penting dari pengembangan kendaraan. Meskipun teknologi ini menawarkan potensi besar, keberhasilan penerapan tetap memerlukan pengujian, kesiapan infrastruktur, dan persetujuan regulator. Menurut Anda, apakah penggunaan ratusan inti prosesor akan mendorong perkembangan TEKNOLOGI kendaraan otonom? Tuliskan pandangan Anda mengenai potensi mobil tanpa pengemudi.
