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
Kemajuan teknologi mobil tanpa pengemudi membutuhkan pemrosesan data yang cepat. Tensor mengembangkan RoboCar dengan mengintegrasikan kecerdasan buatan sebagai bagian inti dalam arsitektur kendaraan. Dengan dukungan kemitraan bersama Arm, perusahaan mengintegrasikan 433 inti prosesor berbasis Arm pada setiap unit RoboCar. Konfigurasi ini menggambarkan besarnya kebutuhan komputasi untuk mengoperasikan berbagai fungsi kendaraan secara bersamaan. Tidak seperti komputer kendaraan biasa yang hanya mengendalikan beberapa tugas elektronik, sistem RoboCar harus memproses informasi lingkungan, mengambil keputusan, dan mengendalikan komponen keselamatan. Dengan rancangan yang terintegrasi, Tensor menargetkan menghadirkan kendaraan yang dapat beroperasi secara mandiri dalam kondisi yang sesuai.
Kemitraan antara Tensor dan Arm diumumkan pada Februari 2026 sebagai bagian dari perluasan sistem komputasi kendaraan generasi berikutnya. Melalui kesepakatan ini, Arm menghadirkan fondasi arsitektur prosesor yang mengintegrasikan berbagai sistem komputasi di dalam kendaraan. Pendekatan ini mendukung 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 relevan karena kendaraan otonom harus menghadapi perubahan kondisi jalan dalam waktu singkat. Walaupun memiliki konfigurasi prosesor besar, jumlah inti yang tinggi tidak secara otomatis membuktikan keselamatan tanpa pengujian sistem menyeluruh.
Cara Kerja Berbagai Jenis Prosesor Arm di Mobil Tensor
Bagian menarik arsitektur Tensor RoboCar adalah penggunaan beberapa keluarga prosesor Arm dengan tugas khusus. Pada rancangan komputasi kendaraan, Arm Neoverse AE dimanfaatkan untuk menjalankan pemrosesan AI dengan kebutuhan throughput tinggi. Untuk pekerjaan lainnya, Cortex-X berperan dalam menangani AI kabin dan pengendalian sistem yang memerlukan performa tinggi. Prosesor Cortex-A menangani berbagai fungsi, termasuk drive-by-wire, pengolahan sistem lidar, dan komputasi umum. Dengan pembagian tersebut, setiap kelompok prosesor dapat memproses aktivitas yang sesuai dengan karakteristiknya. Rancangan multiarsitektur tersebut bertujuan untuk mengoptimalkan efisiensi pemrosesan. Sebagai keuntungan tambahan, sistem dapat mengurangi ketergantungan pada satu jenis prosesor untuk seluruh pekerjaan kendaraan.
Dalam pengendalian fungsi kritis, Tensor RoboCar juga menggunakan prosesor Cortex-R. Arsitektur ini dioptimalkan untuk mengelola pekerjaan real-time yang mengandalkan respons terprediksi. Sementara itu, Cortex-M dimanfaatkan dalam mengelola berbagai subsistem kecil. Dalam penerapan umum, pengendali berdaya rendah dapat mengatur fungsi elektronik yang tidak membutuhkan performa komputer pusat. Berkat arsitektur yang berlapis, Tensor menargetkan sistem dengan keseimbangan antara kecepatan, konsumsi energi, dan keandalan. Walaupun pembagian tugas terlihat efisien, keberhasilan implementasi ditentukan oleh integrasi perangkat lunak, komunikasi antarkomponen, dan pengujian keselamatan. Karena itu, validasi keseluruhan sistem tetap menjadi tahap penting sebelum kendaraan digunakan secara luas.
Kamera Lidar dan Radar Mendukung Persepsi Kendaraan Otonom
Di samping mengandalkan kemampuan komputasi tinggi, kendaraan otonom juga perlu mengenali kondisi lingkungan secara terus-menerus. Tensor RoboCar mengintegrasikan sistem sensor yang meliputi 37 kamera, lima lidar, dan 11 radar. Sebagai perangkat pengamatan tambahan, kendaraan memiliki 22 mikrofon, sepuluh sensor ultrasonik, tiga IMU, serta sistem GNSS. Integrasi berbagai sensor tersebut dirancang untuk menangkap informasi lingkungan dari berbagai sudut dan karakteristik pengukuran. Sistem kamera mampu membantu pengenalan marka jalan, kendaraan lain, dan objek di sekitar. Di sisi lain, lidar memungkinkan pemetaan jarak menggunakan cahaya, sedangkan radar menghasilkan informasi mengenai posisi dan pergerakan objek. Berkat pemanfaatan berbagai sumber data tersebut, kendaraan berupaya membangun pemahaman lingkungan yang lebih menyeluruh.
Sistem sensor Tensor RoboCar juga mencakup 16 sensor benturan, delapan sensor ketinggian air, empat sensor tekanan ban, dan pendeteksi asap. Perangkat tersebut membantu kendaraan memantau sejumlah kondisi yang berkaitan dengan keselamatan. Untuk memberikan gambaran, sensor tekanan ban dapat menampilkan informasi mengenai kondisi roda, sedangkan sensor air dapat digunakan dalam pendeteksian lingkungan yang memerlukan kewaspadaan. Di samping kemampuan pendeteksian, Tensor juga mengintegrasikan konektivitas 5G tiga kanal untuk menunjang komunikasi kendaraan. Namun demikian, seluruh data yang terkumpul tetap perlu dianalisis secara tepat. Dengan mempertimbangkan kebutuhan tersebut, perangkat lunak persepsi dan pengambilan keputusan memiliki peran penting dalam keselamatan kendaraan.
Teknologi Pemrosesan AI Tensor untuk Navigasi Mobil Otonom
Pada sistem pemrosesan utama, Tensor RoboCar menggabungkan prosesor Arm dengan akselerasi AI dari NVIDIA. Rancangan pemrosesan tersebut membantu pembagian pekerjaan antara CPU dan perangkat akselerator yang dirancang untuk model AI. Berdasarkan informasi teknis Tensor, superkomputer kendaraan memiliki kemampuan pemrosesan AI sekitar 8.000 TOPS. Satuan tera operations per second dipakai untuk mengukur kemampuan teoritis melakukan operasi komputasi dalam jumlah sangat besar. Namun demikian, TOPS bukan ukuran tunggal yang memastikan kualitas mengemudi otonom. Performa operasional kendaraan tetap ditentukan oleh efisiensi perangkat lunak, ketepatan model AI, dan kemampuan pengolahan sensor. Dengan mempertimbangkan kondisi ini, integrasi perangkat keras dan perangkat lunak merupakan faktor utama pengembangan RoboCar.
Ketika kendaraan bergerak, informasi dari kamera, lidar, radar, dan sensor lainnya ditafsirkan untuk memahami situasi jalan. Selanjutnya, sistem AI membantu proses perencanaan lintasan serta menyiapkan respons kendaraan. Untuk memberikan gambaran, ketika terdapat kendaraan berhenti di depan, sistem harus mempertimbangkan jarak, kecepatan, dan situasi sekitar sebelum menjalankan tindakan. Pengolahan informasi tersebut membutuhkan komunikasi cepat antara berbagai komponen. Karena itu, Tensor mengembangkan sistem komputasi yang terdistribusi untuk mendukung respons waktu nyata. Meskipun teknologi dapat menganalisis berbagai kondisi, situasi jalan yang tidak terduga tetap memerlukan pengujian dan validasi keselamatan secara mendalam.
Kemampuan Mengemudi Mandiri Tensor dalam Kondisi Operasional Tertentu
Fokus pengembangan penting adalah menghadirkan kemampuan mengemudi otonom Level 4 berdasarkan klasifikasi SAE. Menurut konsep otomatisasi berkendara ini, kendaraan dapat menangani 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 bergerak secara mandiri dalam wilayah yang sesuai. Sebagai contoh, kendaraan dirancang agar dapat mendatangi pemiliknya tanpa harus selalu dikemudikan langsung. Namun demikian, penggunaan sebenarnya ditentukan oleh persetujuan regulator, validasi keselamatan, dan batasan wilayah operasi.
Dalam mengurangi risiko kegagalan, Tensor menggunakan pendekatan redundansi pada berbagai sistem penting. Dalam rekayasa kendaraan, redundansi adalah penggunaan komponen atau jalur cadangan agar suatu fungsi dapat tetap berjalan ketika bagian tertentu mengalami gangguan. Pada RoboCar, sistem pemrosesan dikombinasikan dengan pengendali dan sumber daya yang memiliki mekanisme cadangan. Sebagai bagian dari keandalan, manajemen termal juga diperlukan agar perangkat komputasi dapat menjalankan tugas pada rentang suhu yang sesuai. Walaupun redundansi dapat mengurangi risiko, keselamatan tidak hanya dipengaruhi oleh jumlah komponen cadangan. Pengujian perangkat lunak tetap termasuk bagian penting sebelum layanan otonom dapat dioperasikan untuk masyarakat umum.
Ringkasan Inovasi Prosesor Arm untuk Kendaraan Otonom
Pengembangan Tensor RoboCar menandai langkah menarik dalam penerapan kecerdasan buatan pada transportasi. Berkat penggunaan 433 inti prosesor Arm, akselerasi NVIDIA, dan berbagai sensor, kendaraan tersebut dikembangkan untuk mendukung kemampuan mengemudi otomatis Level 4. Keunggulan pendekatan ini terdapat pada pembagian pekerjaan komputasi antara berbagai jenis prosesor. Selain itu, sistem keselamatan berlapis dan pengolahan informasi waktu nyata menjadi bagian penting dari pengembangan kendaraan. Kendati menghadirkan inovasi menarik, keberhasilan penerapan tetap membutuhkan pengujian, kesiapan infrastruktur, dan persetujuan regulator. Menurut Anda, apakah penggunaan ratusan inti prosesor akan mendukung perkembangan TEKNOLOGI kendaraan otonom? Tuliskan pandangan Anda mengenai perkembangan mobil tanpa pengemudi.
