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.
Teknologi Prosesor Arm Menjadi Fondasi Kecerdasan Buatan Tensor RoboCar
Kemajuan teknologi mobil tanpa pengemudi memerlukan kemampuan komputasi tinggi. Tensor membangun RoboCar dengan menempatkan kecerdasan buatan sebagai bagian inti dalam arsitektur kendaraan. Melalui kerja sama bersama Arm, perusahaan memanfaatkan 433 inti prosesor berbasis Arm pada setiap unit RoboCar. Susunan pemrosesan tersebut menggambarkan besarnya kebutuhan komputasi untuk menjalankan berbagai fungsi kendaraan secara bersamaan. Berbeda dengan komputer kendaraan biasa yang hanya mengelola beberapa tugas elektronik, sistem RoboCar harus menafsirkan 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 perluasan sistem komputasi kendaraan generasi berikutnya. Pada pengembangan bersama tersebut, Arm menghadirkan fondasi arsitektur prosesor yang mengintegrasikan berbagai sistem komputasi di dalam kendaraan. Rancangan komputasi tersebut membantu 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. Hal ini relevan karena kendaraan otonom perlu merespons perubahan kondisi jalan dalam waktu singkat. Meskipun menawarkan kemampuan canggih, jumlah inti yang tinggi tidak secara otomatis membuktikan keselamatan tanpa pengujian sistem menyeluruh.
Peran Neoverse dan Cortex dalam Sistem Kendaraan Otonom
Karakteristik penting arsitektur Tensor RoboCar adalah penggunaan beberapa keluarga prosesor Arm dengan karakteristik tersendiri. Melalui pembagian komponen ini, Arm Neoverse AE digunakan untuk menangani pemrosesan AI dengan kebutuhan throughput tinggi. Untuk pekerjaan lainnya, Cortex-X berperan 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. Dengan pembagian tersebut, setiap kelompok prosesor dapat mengelola aktivitas yang sesuai dengan karakteristiknya. Pendekatan ini dikembangkan untuk mengoptimalkan efisiensi pemrosesan. Sebagai keuntungan tambahan, sistem dapat membatasi ketergantungan pada satu jenis prosesor untuk seluruh pekerjaan kendaraan.
Untuk kebutuhan keselamatan, Tensor RoboCar juga menggunakan prosesor Cortex-R. Arsitektur ini dioptimalkan untuk menangani pekerjaan real-time yang memerlukan respons terprediksi. Untuk pekerjaan berdaya rendah, Cortex-M digunakan dalam menangani berbagai subsistem kecil. Untuk memberikan gambaran, pengendali berdaya rendah dapat mendukung fungsi elektronik yang tidak membutuhkan performa komputer pusat. Dengan pembagian fungsi ini, Tensor menargetkan sistem dengan keseimbangan antara kecepatan, konsumsi energi, dan keandalan. Namun demikian, keberhasilan implementasi bergantung oleh integrasi perangkat lunak, komunikasi antarkomponen, dan pengujian keselamatan. Dengan mempertimbangkan kebutuhan tersebut, validasi keseluruhan sistem tetap merupakan 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 memahami kondisi lingkungan secara terus-menerus. Tensor RoboCar dilengkapi sistem sensor yang terdiri atas 37 kamera, lima lidar, dan 11 radar. Di samping sensor utama, kendaraan dibekali 22 mikrofon, sepuluh sensor ultrasonik, tiga IMU, serta sistem GNSS. Susunan perangkat ini dikembangkan untuk menangkap informasi lingkungan dari berbagai sudut dan karakteristik pengukuran. Sistem kamera mampu membantu pengenalan marka jalan, kendaraan lain, dan objek di sekitar. Sementara itu, lidar mendukung pemetaan jarak menggunakan cahaya, sedangkan radar memberikan informasi mengenai posisi dan pergerakan objek. Melalui integrasi berbagai sumber data tersebut, kendaraan dipersiapkan membangun pemahaman lingkungan yang lebih menyeluruh.
Sistem sensor Tensor RoboCar juga menghadirkan 16 sensor benturan, delapan sensor ketinggian air, empat sensor tekanan ban, dan pendeteksi asap. Perangkat tersebut mendukung kendaraan mendeteksi sejumlah kondisi yang berkaitan dengan keselamatan. Sebagai contoh, sensor tekanan ban dapat memberikan informasi mengenai kondisi roda, sedangkan sensor air dirancang untuk mendukung pendeteksian lingkungan yang memerlukan kewaspadaan. Di samping kemampuan pendeteksian, Tensor juga menggunakan konektivitas 5G tiga kanal untuk mendukung komunikasi kendaraan. Walaupun berbagai perangkat telah terintegrasi, seluruh data yang terkumpul tetap harus ditafsirkan secara tepat. Oleh sebab itu, perangkat lunak persepsi dan pengambilan keputusan menjalankan 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. Rancangan pemrosesan tersebut membantu pembagian pekerjaan antara CPU dan perangkat akselerator yang dirancang untuk model AI. Dalam pengumuman perusahaan, superkomputer kendaraan memiliki kemampuan pemrosesan AI sekitar 8.000 TOPS. Istilah TOPS dipakai untuk menyatakan kemampuan teoritis melakukan operasi komputasi dalam jumlah sangat besar. Walaupun performa puncaknya besar, TOPS bukan ukuran tunggal yang menjamin kualitas mengemudi otonom. Performa operasional kendaraan tetap dipengaruhi oleh efisiensi perangkat lunak, ketepatan model AI, dan kemampuan pengolahan sensor. Oleh sebab itu, integrasi perangkat keras dan perangkat lunak menjadi faktor utama pengembangan RoboCar.
Saat sistem otonom aktif, informasi dari kamera, lidar, radar, dan sensor lainnya diproses untuk mengenali situasi jalan. Setelah kondisi lingkungan diperkirakan, sistem AI membantu proses perencanaan lintasan serta menghasilkan respons kendaraan. Dalam kondisi tertentu, ketika terdapat kendaraan berhenti di depan, sistem harus mengevaluasi jarak, kecepatan, dan situasi sekitar sebelum melakukan tindakan. Rangkaian keputusan ini memerlukan komunikasi cepat antara berbagai komponen. Oleh sebab itu, Tensor membangun 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.
Teknologi Otonom Level 4 dan Tantangan Keselamatan Tensor RoboCar
Sasaran teknologi Tensor RoboCar adalah mengembangkan 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. Artinya, kemampuan otonom tidak otomatis dapat digunakan pada seluruh jalan, cuaca, atau lingkungan. Tensor merancang RoboCar dengan konsep kendaraan pribadi yang dapat bernavigasi secara mandiri dalam wilayah yang sesuai. Sebagai contoh, 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.
Dalam mengurangi risiko kegagalan, Tensor menerapkan pendekatan redundansi pada berbagai sistem penting. Konsep redundansi berarti penggunaan komponen atau jalur cadangan agar suatu fungsi dapat ditangani ketika bagian tertentu mengalami gangguan. Dalam rancangan kendaraan tersebut, sistem pemrosesan diintegrasikan dengan pengendali dan sumber daya yang memiliki mekanisme cadangan. Di samping pengendalian cadangan, manajemen termal juga dikembangkan agar perangkat komputasi dapat menjalankan tugas pada rentang suhu yang sesuai. Namun demikian, keselamatan tidak hanya bergantung oleh jumlah komponen cadangan. Pengujian perangkat lunak tetap termasuk bagian penting sebelum layanan otonom dapat diterapkan pada berbagai wilayah.
Kesimpulan
Pengembangan Tensor RoboCar menandai langkah menarik dalam pengembangan mobil tanpa pengemudi. Melalui integrasi 433 inti prosesor Arm, akselerasi NVIDIA, dan berbagai sensor, kendaraan tersebut dipersiapkan untuk menjalankan kemampuan mengemudi otomatis Level 4. Manfaat rancangan tersebut terdapat pada pembagian pekerjaan komputasi antara berbagai jenis prosesor. Tidak hanya berfokus pada performa, 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 mempercepat perkembangan TEKNOLOGI kendaraan otonom? Bagikan pandangan Anda mengenai masa depan mobil tanpa pengemudi.
