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.
Tensor RoboCar Menggunakan 433 Inti Arm untuk Komputasi Kendaraan Otonom
Kemajuan teknologi mobil tanpa pengemudi mengandalkan kemampuan komputasi tinggi. Tensor membangun RoboCar dengan menjadikan kecerdasan buatan sebagai komponen mendasar dalam arsitektur kendaraan. Berkat kolaborasi strategis bersama Arm, perusahaan memanfaatkan 433 inti prosesor berbasis Arm pada setiap unit RoboCar. Susunan pemrosesan tersebut menunjukkan besarnya kebutuhan komputasi untuk mendukung berbagai fungsi kendaraan secara bersamaan. Jika dibandingkan dengan komputer kendaraan biasa yang hanya mengendalikan beberapa tugas elektronik, sistem RoboCar perlu memproses informasi lingkungan, mengambil keputusan, dan mengendalikan komponen keselamatan. Dengan rancangan yang terintegrasi, Tensor berupaya menghadirkan kendaraan yang dapat beroperasi secara mandiri dalam kondisi yang sesuai.
Kolaborasi yang dijalin Tensor dan Arm diumumkan pada Februari 2026 sebagai bagian dari penyempurnaan sistem komputasi kendaraan generasi berikutnya. Melalui kesepakatan ini, Arm mendukung fondasi arsitektur prosesor yang menyatukan berbagai sistem komputasi di dalam kendaraan. Pendekatan ini mendukung distribusi pekerjaan dari komputer pusat hingga sensor dan pengendali berdaya rendah. Di samping kecepatan pemrosesan, arsitektur tersebut juga dirancang untuk mempertimbangkan efisiensi energi dan keselamatan. Aspek pengembangan ini menjadi perhatian utama karena kendaraan otonom dituntut untuk menghadapi perubahan kondisi jalan dalam waktu singkat. Meskipun menawarkan kemampuan canggih, jumlah inti yang tinggi tidak secara otomatis membuktikan keselamatan tanpa pengujian sistem menyeluruh.
Cara Kerja Berbagai Jenis Prosesor Arm di Mobil Tensor
Karakteristik penting arsitektur Tensor RoboCar adalah pemanfaatan beberapa keluarga prosesor Arm dengan fungsi berbeda. Pada rancangan komputasi kendaraan, Arm Neoverse AE diandalkan untuk menangani pemrosesan AI dengan kebutuhan throughput tinggi. Sementara itu, Cortex-X digunakan dalam mendukung AI kabin dan pengendalian sistem yang memerlukan performa tinggi. Arsitektur Cortex-A mengelola berbagai fungsi, termasuk drive-by-wire, pengolahan sistem lidar, dan komputasi umum. Melalui rancangan yang terstruktur, setiap kelompok prosesor dapat memproses aktivitas yang sesuai dengan karakteristiknya. Rancangan multiarsitektur tersebut bertujuan untuk meningkatkan efisiensi pemrosesan. Selain itu, 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 dikembangkan untuk menangani pekerjaan real-time yang mengandalkan respons terprediksi. Di sisi lain, Cortex-M dimanfaatkan dalam mengendalikan berbagai subsistem kecil. Sebagai contoh, pengendali berdaya rendah dapat mengatur fungsi elektronik yang tidak membutuhkan performa komputer pusat. Melalui kombinasi tersebut, Tensor menargetkan sistem dengan keseimbangan antara kecepatan, konsumsi energi, dan keandalan. Meskipun rancangan tersebut menawarkan manfaat, keberhasilan implementasi bergantung oleh integrasi perangkat lunak, komunikasi antarkomponen, dan pengujian keselamatan. Oleh sebab 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 harus memahami kondisi lingkungan secara terus-menerus. Tensor RoboCar menggunakan sistem sensor yang mencakup 37 kamera, lima lidar, dan 11 radar. Di samping sensor utama, kendaraan menghadirkan 22 mikrofon, sepuluh sensor ultrasonik, tiga IMU, serta sistem GNSS. Kombinasi tersebut bertujuan untuk memperoleh informasi lingkungan dari berbagai sudut dan karakteristik pengukuran. Kamera dapat mendukung pengenalan marka jalan, kendaraan lain, dan objek di sekitar. Sementara itu, lidar membantu pemetaan jarak menggunakan cahaya, sedangkan radar menghasilkan informasi mengenai posisi dan pergerakan objek. Melalui integrasi berbagai sumber data tersebut, kendaraan dipersiapkan 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. Komponen pemantauan tambahan ini mendukung kendaraan memantau sejumlah kondisi yang berkaitan dengan keselamatan. Dalam situasi tertentu, sensor tekanan ban dapat menyediakan informasi mengenai kondisi roda, sedangkan sensor air dapat digunakan dalam pendeteksian lingkungan yang memerlukan kewaspadaan. Selain perangkat sensor, Tensor juga menggunakan konektivitas 5G tiga kanal untuk memperkuat komunikasi kendaraan. Namun demikian, seluruh data yang terkumpul tetap harus diolah secara tepat. Karena itu, perangkat lunak persepsi dan pengambilan keputusan memiliki peran penting dalam keselamatan kendaraan.
Superkomputer Kendaraan Mendukung Pengambilan Keputusan Real-Time
Dalam arsitektur komputasinya, Tensor RoboCar memadukan prosesor Arm dengan akselerasi AI dari NVIDIA. Rancangan pemrosesan tersebut memungkinkan pembagian pekerjaan antara CPU dan perangkat akselerator yang dioptimalkan untuk model AI. Menurut spesifikasi yang disampaikan, superkomputer kendaraan memiliki kemampuan pemrosesan AI sekitar 8.000 TOPS. Istilah TOPS digunakan untuk mengukur kemampuan teoritis melakukan operasi komputasi dalam jumlah sangat besar. Meskipun angka tersebut terlihat tinggi, TOPS bukan ukuran tunggal yang menentukan kualitas mengemudi otonom. Kecepatan respons nyata tetap bergantung oleh efisiensi perangkat lunak, ketepatan model AI, dan kemampuan pengolahan sensor. Karena alasan tersebut, integrasi perangkat keras dan perangkat lunak merupakan faktor utama pengembangan RoboCar.
Dalam proses perjalanan, informasi dari kamera, lidar, radar, dan sensor lainnya ditafsirkan untuk mengidentifikasi situasi jalan. Pada tahap berikutnya, sistem AI menjalankan proses perencanaan lintasan serta menentukan respons kendaraan. Dalam kondisi tertentu, ketika terdapat kendaraan berhenti di depan, sistem harus mempertimbangkan jarak, kecepatan, dan situasi sekitar sebelum melakukan tindakan. Proses tersebut mengandalkan komunikasi cepat antara berbagai komponen. Karena itu, Tensor merancang sistem komputasi yang terdistribusi untuk mendukung respons waktu nyata. Namun demikian, situasi jalan yang tidak terduga tetap harus melalui pengujian dan validasi keselamatan secara mendalam.
Kemampuan Mengemudi Mandiri Tensor dalam Kondisi Operasional Tertentu
Fokus pengembangan penting adalah mengembangkan 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. Artinya, kemampuan otonom tidak otomatis tersedia pada seluruh jalan, cuaca, atau lingkungan. Perusahaan mengembangkan RoboCar dengan konsep kendaraan pribadi yang dapat berpindah secara mandiri dalam wilayah yang sesuai. Untuk memberikan gambaran, kendaraan dirancang agar dapat menjemput pemiliknya tanpa harus selalu dikemudikan langsung. Meskipun fitur tersebut menjadi target, penggunaan sebenarnya bergantung oleh persetujuan regulator, validasi keselamatan, dan batasan wilayah operasi.
Untuk mendukung keselamatan, 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. Selain itu, manajemen termal juga diperlukan agar perangkat komputasi dapat menjalankan tugas pada rentang suhu yang sesuai. Namun demikian, keselamatan tidak hanya ditentukan oleh jumlah komponen cadangan. Validasi respons kendaraan tetap menjadi bagian penting sebelum layanan otonom dapat diterapkan pada berbagai wilayah.
Kesimpulan
Inovasi Tensor RoboCar menjadi kemajuan besar dalam industri kendaraan otonom. Berkat penggunaan 433 inti prosesor Arm, akselerasi NVIDIA, dan berbagai sensor, kendaraan tersebut dipersiapkan untuk menghadirkan kemampuan mengemudi otomatis Level 4. Daya tarik arsitektur ini berada pada pembagian pekerjaan komputasi antara berbagai jenis prosesor. Tidak hanya berfokus pada performa, sistem keselamatan berlapis dan pengolahan informasi waktu nyata termasuk bagian penting dari pengembangan kendaraan. Walaupun demikian, keberhasilan penerapan tetap membutuhkan pengujian, kesiapan infrastruktur, dan persetujuan regulator. Dari sudut pandang Anda, apakah penggunaan ratusan inti prosesor akan mempercepat perkembangan TEKNOLOGI kendaraan otonom? Sampaikan pandangan Anda mengenai potensi mobil tanpa pengemudi.
