NVIDIA Halos: bezpieczeństwo autonomii od chmury po pojazd i robota

NVIDIA Halos nie jest pojedynczym podzespołem, który sam w sobie może uczynić autonomiczną ciężarówkę, robotaxi czy robota bezpiecznym. To oparty na powiązanych dowodach system bezpieczeństwa dla fizycznej AI. Jego zadaniem jest połączenie prac istotnych dla bezpieczeństwa — od rozwoju modeli, przez symulacje i inżynierię sprzętu oraz oprogramowania, po wdrożenie i aktualizacje — w śledzalną podstawę oceny systemu przez cały jego cykl życia. 56

To ważne rozróżnienie. Oceniony pod kątem bezpieczeństwa układ, certyfikowany element systemu operacyjnego albo skontrolowana integracja mogą wzmacniać argumentację bezpieczeństwa. Odpowiedzialność za walidację kompletnego produktu, zgodność z regulacjami i bezpieczną eksploatację nadal spoczywa jednak na firmie budującej oraz obsługującej pojazd lub robota. Dobrze pokazuje to plan Einride dotyczący autonomicznego transportu ciężkiego. 4

Od rozwoju w chmurze do maszyny w terenie

Halos łączy architekturę pojazdu lub robota, układy obliczeniowe, oprogramowanie systemowe, modele AI, narzędzia i usługi. W przypadku pojazdów autonomicznych NVIDIA opisuje proces obejmujący trenowanie i testowanie modeli, symulacje w Omniverse i Cosmos, walidację istotnego dla bezpieczeństwa stosu sprzętowo-programowego, a następnie wdrożenie w pojeździe. 56

Kluczowe jest tu pojęcie śledzalności. Dowody zebrane na jednym etapie mają być użyteczne na kolejnym. Dzięki temu zmianę modelu, konfiguracji czujników lub oprogramowania można rozpatrywać w kontekście wcześniejszych wyników walidacji i symulacji, a nie wyłącznie jako odizolowaną aktualizację. NVIDIA przedstawia ten model jako sposób na bardziej powtarzalne projektowanie bezpieczeństwa w miarę ewolucji systemów. 6

Firma dzieli Halos na trzy uzupełniające się obszary: bezpieczeństwo platformy, bezpieczeństwo algorytmiczne i bezpieczeństwo ekosystemu. Pierwszy dotyczy warstwy obliczeniowej i oprogramowania, drugi — zachowania AI, a trzeci obejmuje m.in. integrację, inspekcje oraz sieć dostawców i podmiotów certyfikujących. 13

Elementy stosu dla pojazdów autonomicznych

W architekturze dla AV — autonomicznych pojazdów — NVIDIA wskazuje przede wszystkim:

• NVIDIA DRIVE AGX Thor — platformę przyspieszonego przetwarzania zaprojektowaną z uwzględnieniem wymagań bezpieczeństwa;
• NVIDIA Hyperion — pełnostosową platformę pojazdową i architekturę referencyjną dla autonomii poziomu 4;
• Halos OS — ujednoliconą podstawę bezpiecznego oprogramowania, zbudowaną na Halos Core, następcy NVIDIA DriveOS;
• NVIDIA Omniverse i Cosmos — elementy chmurowego łańcucha narzędzi i symulacji wykorzystywane w rozwoju oraz walidacji. 610

Hyperion nie jest gotowym robotaxi ani autonomiczną ciężarówką. To architektura referencyjna integrująca podstawy obliczeniowe, sensory i oprogramowanie, którą producenci pojazdów dostosowują do własnych zastosowań i własnej dokumentacji bezpieczeństwa. 314

Einride rozwija system na Hyperionie

Szwedzka firma Einride zapowiedziała budowę kolejnej generacji systemu autonomicznej jazdy Einride Driver na NVIDIA Hyperion. Współpraca ma objąć dostosowanie architektury obliczeniowej, czujników, oprogramowania i bezpieczeństwa Hyperiona do transportu ciężkiego, a także wykorzystanie Halos i Cosmos w rozwoju oraz walidacji. 34

NVIDIA dostarcza platformę obliczeniową, narzędzia do tworzenia AI i ramy bezpieczeństwa. Einride zachowuje natomiast odpowiedzialność za kompletny system jazdy, jego walidację bezpieczeństwa, uzyskanie zgód regulacyjnych i wdrożenia u klientów. 4

Co Halos obejmuje w robotyce

NVIDIA rozszerzyła Halos na robotykę i fizyczną AI, przygotowując stos przeznaczony dla tej dziedziny. Wśród wskazanych fundamentów są NVIDIA IGX Thor dla przemysłowej AI na brzegu sieci oraz NVIDIA Holoscan Sensor Bridge do wejścia/wyjścia i przetwarzania danych z czujników, uzupełnione o warstwę oprogramowania Halos oraz ścieżkę inspekcji. 118

Ogólne zasady bezpieczeństwa są wspólne dla AV i robotyki, lecz — jak podkreśla NVIDIA — platformy, normy oraz materiał dowodowy pozostają specyficzne dla danej dziedziny. Wspólne ramy nie oznaczają więc, że robot przemysłowy, robot mobilny i autonomiczny pojazd mają takie same wymogi bezpieczeństwa. 6

Kto tworzy ekosystem

NVIDIA informuje, że jej Halos AI Systems Inspection Lab ma 43 członków ekosystemu. Wśród wymienionych uczestników związanych z AV są AUMOVIO, Bosch, Gatik, Hesai, Lucid, MIRA, onsemi, PlusAI, Sony, Valeo i Wayve. W robotyce NVIDIA wskazuje dostawców oprogramowania wbudowanego acontis i QNX, a także Advantech i NexCOBOT, które budują systemy IGX zaprojektowane z uwzględnieniem bezpieczeństwa. 17

Firmy te działają w obszarach rozwoju autonomicznej jazdy, systemów ADAS, czujników, półprzewodników, integracji, walidacji i zapewniania bezpieczeństwa. Sam udział w ekosystemie nie oznacza jednak, że każdy końcowy produkt danej firmy został certyfikowany lub wdrożony. 7

Osobno NVIDIA wymienia ekosystem Hyperiona: Aeva, AUMOVIO, Astemo, Arbe, Bosch, Hesai, Magna, OMNIVISION, Quanta, Sony i ZF. Astemo, AUMOVIO, Bosch, Magna, Quanta oraz ZF ogłosiły prace nad elektronicznymi jednostkami sterującymi opartymi na Hyperionie. Aeva, Arbe, Hesai, OMNIVISION i Sony należą z kolei do partnerów kwalifikujących zestawy czujników dla tej otwartej platformy. 20

Po stronie półprzewodników NVIDIA wskazuje onsemi w ekosystemie inspekcji AV, a w robotyce wymienia Infineon, NXP, STMicroelectronics i Texas Instruments jako dostawców technologii czujników, mikrokontrolerów bezpieczeństwa oraz innych rozwiązań półprzewodnikowych. NXP podaje również, że jest członkiem Halos AI Systems Inspection Lab. 721

Co potwierdzają oceny i akredytacja — a czego nie

NVIDIA wskazuje ponad 30 certyfikatów bezpieczeństwa i cyberbezpieczeństwa oraz raportów z ocen dotyczących technologii związanych z Halos. Według materiałów firmy TÜV SÜD certyfikował motoryzacyjny cykl życia produktu NVIDIA oraz kluczowe procesy sprzętowe i programowe do poziomu Automotive Safety Integrity Level D, czyli ASIL D. DriveOS 6.0 ma certyfikat zgodności z ISO 26262 ASIL D, a Thor-X oceniono jako zgodny z ASIL D. NVIDIA powołuje się również na certyfikację procesu cyberbezpieczeństwa ISO/SAE 21434 oraz niezależną ocenę bezpieczeństwa NVIDIA DRIVE AV według wymogów UNECE, przeprowadzoną przez TÜV Rheinland. 1217

Halos obejmuje także NVIDIA AI Systems Inspection Lab — jednostkę inspekcyjną akredytowaną przez ANAB zgodnie z ISO/IEC 17020. NVIDIA podaje, że laboratorium przeprowadza bezstronne oceny i prowadzi program Halos Certified. Ma on pomagać partnerom w przygotowaniu integracji do certyfikacji przez niezależne jednostki, w tym TÜV Rheinland, UL Solutions, TÜV SÜD, exida, SGS i CertX. 11118

Najważniejsze jest ograniczenie zakresu takich potwierdzeń. Akredytacja i inspekcja mogą wykazać, że jednostka oraz jej procedury spełniają określone wymagania. Certyfikat komponentu lub ocena dotyczą zaś konkretnego produktu i zbadanego zakresu. Nie stanowią automatycznego poświadczenia, że każdy pojazd lub robot zbudowany z wykorzystaniem Halos jest bezpieczny w każdym środowisku pracy. Twórcy finalnych systemów nadal muszą przeprowadzić walidację dla danego zastosowania, uzyskać potrzebne zgody i wdrożyć odpowiednie procedury operacyjne. 411

Dlaczego NVIDIA stawia na skalowalną infrastrukturę bezpieczeństwa

NVIDIA uzasadnia potrzebę tworzenia powtarzalnej infrastruktury bezpieczeństwa prognozowaną skalą wdrożeń. ABI Research przewiduje, że do 2035 r. liczba działających pojazdów autonomicznych poziomów 3–5 osiągnie 49 mln, natomiast Omdia szacuje liczbę robotów przemysłowych na około 60 mln. 6

Przy takiej skali każda zmiana modelu, zestawu czujników, konfiguracji sprzętowej czy wersji oprogramowania rodzi nowe pytanie o zapewnienie bezpieczeństwa. Teza NVIDIA jest prosta: potrzebne jest wspólne, powiązane z dowodami podejście, które pozwoli konsekwentnie oceniać zmiany od etapu rozwoju aż po wdrożenie i sprawniej je audytować. 6

Halos należy więc rozumieć jako próbę uczynienia zapewniania bezpieczeństwa ciągłą dyscypliną inżynierską w całym cyklu życia fizycznej AI. Obietnica nie polega na automatycznej certyfikacji, lecz na zapewnieniu twórcom uporządkowanej podstawy do budowania, dokumentowania, inspekcji i niezależnej oceny coraz bardziej złożonych systemów autonomicznych. 156