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
Transformasi sistem transportasi berbasis kecerdasan buatan membutuhkan infrastruktur digital yang andal. Tensor membangun RoboCar dengan menjadikan kecerdasan buatan sebagai bagian inti dalam arsitektur kendaraan. Dengan dukungan kemitraan bersama Arm, perusahaan mengintegrasikan 433 inti prosesor berbasis Arm pada setiap unit RoboCar. Jumlah tersebut memperlihatkan besarnya kebutuhan komputasi untuk mendukung berbagai fungsi kendaraan secara bersamaan. Berbeda dengan komputer kendaraan biasa yang hanya mengelola beberapa tugas elektronik, sistem RoboCar dirancang untuk memproses informasi lingkungan, mengambil keputusan, dan mengendalikan komponen keselamatan. Dengan rancangan yang terintegrasi, Tensor menargetkan menghadirkan kendaraan yang dapat bernavigasi secara mandiri dalam kondisi yang sesuai.
Kolaborasi yang dijalin Tensor dan Arm diperkenalkan pada Februari 2026 sebagai bagian dari penyempurnaan sistem komputasi kendaraan generasi berikutnya. Dalam kerja sama tersebut, Arm menyediakan fondasi arsitektur prosesor yang menyatukan berbagai sistem komputasi di dalam kendaraan. Rancangan komputasi tersebut memungkinkan distribusi pekerjaan dari komputer pusat hingga sensor dan pengendali berdaya rendah. Di samping kecepatan pemrosesan, arsitektur tersebut juga dioptimalkan untuk mempertimbangkan efisiensi energi dan keselamatan. Hal ini relevan karena kendaraan otonom harus menghadapi perubahan kondisi jalan dalam waktu singkat. Namun demikian, jumlah inti yang tinggi tidak secara otomatis menjamin keselamatan tanpa pengujian sistem menyeluruh.
Cara Kerja Berbagai Jenis Prosesor Arm di Mobil Tensor
Salah satu keunggulan arsitektur Tensor RoboCar adalah integrasi beberapa keluarga prosesor Arm dengan fungsi berbeda. Pada rancangan komputasi kendaraan, Arm Neoverse AE diandalkan untuk mendukung pemrosesan AI dengan kebutuhan throughput tinggi. Sementara itu, Cortex-X digunakan dalam menangani AI kabin dan pengendalian sistem yang memerlukan performa tinggi. Arsitektur Cortex-A mendukung 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. Pendekatan ini dirancang untuk memperbaiki 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 menggunakan prosesor Cortex-R. Arsitektur ini dioptimalkan untuk mengelola pekerjaan real-time yang memerlukan respons terprediksi. Di sisi lain, Cortex-M dimanfaatkan dalam mengendalikan berbagai subsistem kecil. Untuk memberikan gambaran, pengendali berdaya rendah dapat mendukung fungsi elektronik yang tidak membutuhkan performa komputer pusat. Melalui kombinasi tersebut, Tensor mencoba sistem dengan keseimbangan antara kecepatan, konsumsi energi, dan keandalan. Namun demikian, keberhasilan implementasi ditentukan oleh integrasi perangkat lunak, komunikasi antarkomponen, dan pengujian keselamatan. Oleh sebab 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 harus mengenali kondisi lingkungan secara terus-menerus. Tensor RoboCar menggunakan sistem sensor yang terdiri atas 37 kamera, lima lidar, dan 11 radar. Sebagai perangkat pengamatan tambahan, 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. Sistem kamera mampu mendukung pengenalan marka jalan, kendaraan lain, dan objek di sekitar. Di sisi lain, lidar mendukung pemetaan jarak menggunakan cahaya, sedangkan radar menyediakan informasi mengenai posisi dan pergerakan objek. Melalui integrasi berbagai sumber data tersebut, kendaraan dirancang membangun pemahaman lingkungan yang lebih menyeluruh.
Rangkaian perangkat pengamatan kendaraan juga mencakup 16 sensor benturan, delapan sensor ketinggian air, empat sensor tekanan ban, dan pendeteksi asap. Sensor pendukung tersebut mendukung kendaraan mengenali 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. Tidak hanya mengandalkan pengamatan fisik, Tensor juga menghadirkan konektivitas 5G tiga kanal untuk memperkuat komunikasi kendaraan. Walaupun berbagai perangkat telah terintegrasi, seluruh data yang terkumpul tetap perlu dianalisis secara tepat. Karena itu, perangkat lunak persepsi dan pengambilan keputusan memiliki peran penting dalam keselamatan kendaraan.
Tensor RoboCar Menggabungkan Prosesor Arm dengan AI NVIDIA
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 digunakan untuk mengukur kemampuan teoritis melakukan operasi komputasi dalam jumlah sangat besar. Namun demikian, TOPS bukan ukuran tunggal yang menjamin kualitas mengemudi otonom. Performa operasional kendaraan tetap bergantung oleh efisiensi perangkat lunak, ketepatan model AI, dan kemampuan pengolahan sensor. Oleh sebab itu, integrasi perangkat keras dan perangkat lunak termasuk faktor utama pengembangan RoboCar.
Saat sistem otonom aktif, informasi dari kamera, lidar, radar, dan sensor lainnya ditafsirkan untuk mengidentifikasi situasi jalan. Pada tahap berikutnya, sistem AI mendukung proses perencanaan lintasan serta menghasilkan respons kendaraan. Untuk memberikan gambaran, ketika terdapat kendaraan berhenti di depan, sistem harus mengevaluasi jarak, kecepatan, dan situasi sekitar sebelum melakukan tindakan. Proses tersebut memerlukan komunikasi cepat antara berbagai komponen. Oleh sebab itu, Tensor mengembangkan sistem komputasi yang terintegrasi untuk mendukung respons waktu nyata. Meskipun teknologi dapat menganalisis berbagai kondisi, situasi jalan yang tidak terduga tetap memerlukan pengujian dan validasi keselamatan secara mendalam.
Teknologi Otonom Level 4 dan Tantangan Keselamatan Tensor RoboCar
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. Hal tersebut berarti, kemampuan otonom tidak otomatis berlaku pada seluruh jalan, cuaca, atau lingkungan. Perusahaan mengembangkan RoboCar dengan konsep kendaraan pribadi yang dapat berpindah secara mandiri dalam wilayah yang sesuai. Sebagai contoh, kendaraan dirancang agar dapat menghampiri pemiliknya tanpa harus selalu dikemudikan langsung. Walaupun kemampuan ini merupakan bagian dari visi produk, penggunaan sebenarnya ditentukan oleh persetujuan regulator, validasi keselamatan, dan batasan wilayah operasi.
Untuk mendukung keselamatan, Tensor mengembangkan pendekatan redundansi pada berbagai sistem penting. Konsep redundansi berarti 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. Sebagai bagian dari keandalan, manajemen termal juga digunakan agar perangkat komputasi dapat berfungsi pada rentang suhu yang sesuai. Meskipun sistem cadangan memperkuat keandalan, keselamatan tidak hanya bergantung oleh jumlah komponen cadangan. Validasi respons kendaraan tetap menjadi bagian penting sebelum layanan otonom dapat diterapkan pada berbagai wilayah.
Penutup dan Prospek Tensor RoboCar dalam Industri Otomotif
Kehadiran Tensor RoboCar merupakan langkah menarik dalam pengembangan mobil tanpa pengemudi. Berkat penggunaan 433 inti prosesor Arm, akselerasi NVIDIA, dan berbagai sensor, kendaraan tersebut dipersiapkan untuk menjalankan kemampuan mengemudi otomatis Level 4. Daya tarik arsitektur ini terletak pada pembagian pekerjaan komputasi antara berbagai jenis prosesor. Di samping kemampuan pemrosesan, sistem keselamatan berlapis dan pengolahan informasi waktu nyata termasuk bagian penting dari pengembangan kendaraan. Kendati menghadirkan inovasi menarik, keberhasilan penerapan tetap membutuhkan pengujian, kesiapan infrastruktur, dan persetujuan regulator. Bagaimana pendapat Anda, apakah penggunaan ratusan inti prosesor akan mendorong perkembangan TEKNOLOGI kendaraan otonom? Bagikan pandangan Anda mengenai masa depan mobil tanpa pengemudi.
