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 sistem transportasi berbasis kecerdasan buatan memerlukan pemrosesan data yang cepat. Tensor merancang RoboCar dengan mengintegrasikan kecerdasan buatan sebagai fondasi utama dalam arsitektur kendaraan. Berkat kolaborasi strategis bersama Arm, perusahaan menggunakan 433 inti prosesor berbasis Arm pada setiap unit RoboCar. Jumlah tersebut memperlihatkan besarnya kebutuhan komputasi untuk mengoperasikan berbagai fungsi kendaraan secara bersamaan. Jika dibandingkan dengan komputer kendaraan biasa yang hanya mengelola beberapa tugas elektronik, sistem RoboCar dirancang untuk menganalisis 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.
Kerja sama strategis Tensor dan Arm diumumkan pada Februari 2026 sebagai bagian dari pengembangan sistem komputasi kendaraan generasi berikutnya. Pada pengembangan bersama tersebut, Arm menyediakan 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. Tidak hanya memperhatikan kemampuan komputasi, arsitektur tersebut juga dirancang untuk mempertimbangkan efisiensi energi dan keselamatan. Kebutuhan tersebut relevan karena kendaraan otonom dituntut untuk menghadapi perubahan kondisi jalan dalam waktu singkat. Namun demikian, jumlah inti yang tinggi tidak secara otomatis membuktikan 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 fungsi berbeda. Melalui pembagian komponen ini, Arm Neoverse AE dimanfaatkan untuk menangani pemrosesan AI dengan kebutuhan throughput tinggi. Di sisi lain, Cortex-X berperan dalam menangani AI kabin dan pengendalian sistem yang memerlukan performa tinggi. Keluarga Cortex-A mendukung berbagai fungsi, termasuk drive-by-wire, pengolahan sistem lidar, dan komputasi umum. Dengan pembagian tersebut, setiap kelompok prosesor dapat mengelola aktivitas yang sesuai dengan karakteristiknya. Strategi pembagian beban tersebut bertujuan untuk memperbaiki efisiensi pemrosesan. Di samping manfaat tersebut, sistem dapat membatasi ketergantungan pada satu jenis prosesor untuk seluruh pekerjaan kendaraan.
Pada sistem yang memerlukan respons waktu nyata, Tensor RoboCar juga memanfaatkan prosesor Cortex-R. Arsitektur ini dioptimalkan untuk mengelola pekerjaan real-time yang mengandalkan respons terprediksi. Untuk pekerjaan berdaya rendah, Cortex-M digunakan dalam menangani berbagai subsistem kecil. Dalam penerapan umum, pengendali berdaya rendah dapat mendukung fungsi elektronik yang tidak membutuhkan performa komputer pusat. Berkat arsitektur yang berlapis, Tensor berupaya 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 dituntut untuk mengenali kondisi lingkungan secara terus-menerus. Tensor RoboCar dilengkapi sistem sensor yang meliputi 37 kamera, lima lidar, dan 11 radar. Selain itu, kendaraan memiliki 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 mendukung pengenalan marka jalan, kendaraan lain, dan objek di sekitar. Di sisi lain, lidar memungkinkan pemetaan jarak menggunakan cahaya, sedangkan radar memberikan informasi mengenai posisi dan pergerakan objek. Melalui integrasi berbagai sumber data tersebut, kendaraan dirancang 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. Sensor pendukung tersebut memungkinkan kendaraan mengenali sejumlah kondisi yang berkaitan dengan keselamatan. Untuk memberikan gambaran, sensor tekanan ban dapat menampilkan informasi mengenai kondisi roda, sedangkan sensor air dirancang untuk mendukung pendeteksian lingkungan yang memerlukan kewaspadaan. Selain perangkat sensor, Tensor juga menggunakan konektivitas 5G tiga kanal untuk mendukung komunikasi kendaraan. Namun demikian, seluruh data yang terkumpul tetap perlu diolah secara tepat. Karena itu, perangkat lunak persepsi dan pengambilan keputusan menjalankan peran penting dalam keselamatan kendaraan.
Tensor RoboCar Menggabungkan Prosesor Arm dengan AI NVIDIA
Untuk kebutuhan kecerdasan buatan, Tensor RoboCar menggabungkan prosesor Arm dengan akselerasi AI dari NVIDIA. Pendekatan ini mendukung pembagian pekerjaan antara CPU dan perangkat akselerator yang dirancang untuk model AI. Menurut spesifikasi yang disampaikan, superkomputer kendaraan memiliki kemampuan pemrosesan AI sekitar 8.000 TOPS. Satuan tera operations per second dipakai untuk menggambarkan kemampuan teoritis melakukan operasi komputasi dalam jumlah sangat besar. Meskipun angka tersebut terlihat tinggi, TOPS bukan ukuran tunggal yang menentukan 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 merupakan faktor utama pengembangan RoboCar.
Ketika kendaraan bergerak, informasi dari kamera, lidar, radar, dan sensor lainnya diproses untuk memahami situasi jalan. Pada tahap berikutnya, sistem AI mendukung proses perencanaan lintasan serta menyiapkan respons kendaraan. Untuk memberikan gambaran, ketika terdapat kendaraan berhenti di depan, sistem harus menganalisis jarak, kecepatan, dan situasi sekitar sebelum menentukan tindakan. Rangkaian keputusan ini membutuhkan komunikasi cepat antara berbagai komponen. Oleh sebab itu, Tensor merancang sistem komputasi yang saling terhubung untuk mendukung respons waktu nyata. Namun demikian, situasi jalan yang tidak terduga tetap harus melalui pengujian dan validasi keselamatan secara mendalam.
Peluang Mobil Otonom dengan Sistem Keamanan Berlapis
Fokus pengembangan penting adalah mendukung kemampuan mengemudi otonom Level 4 berdasarkan klasifikasi SAE. Dalam sistem otonom Level 4, 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. Perusahaan mengembangkan RoboCar dengan konsep kendaraan pribadi yang dapat bergerak secara mandiri dalam wilayah yang sesuai. Dalam skenario yang didukung, kendaraan dirancang agar dapat menjemput pemiliknya tanpa harus selalu dikemudikan langsung. Namun demikian, 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 ditangani ketika bagian tertentu mengalami gangguan. Pada RoboCar, sistem pemrosesan dikombinasikan dengan pengendali dan sumber daya yang memiliki mekanisme cadangan. Selain itu, manajemen termal juga dikembangkan agar perangkat komputasi dapat beroperasi pada rentang suhu yang sesuai. Walaupun redundansi dapat mengurangi risiko, keselamatan tidak hanya ditentukan oleh jumlah komponen cadangan. Evaluasi kondisi operasional tetap merupakan bagian penting sebelum layanan otonom dapat digunakan secara luas.
Kesimpulan
Kehadiran Tensor RoboCar menjadi kemajuan besar dalam penerapan kecerdasan buatan pada transportasi. Melalui integrasi 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. Di samping kemampuan pemrosesan, sistem keselamatan berlapis dan pengolahan informasi waktu nyata menjadi bagian penting dari pengembangan kendaraan. Meskipun teknologi ini menawarkan potensi besar, keberhasilan penerapan tetap memerlukan pengujian, kesiapan infrastruktur, dan persetujuan regulator. Bagaimana pendapat Anda, apakah penggunaan ratusan inti prosesor akan mendorong perkembangan TEKNOLOGI kendaraan otonom? Sampaikan pandangan Anda mengenai potensi mobil tanpa pengemudi.
