机器人开始复制自动驾驶的成功经验

在具身智能刚开始火的时候，就有声音提到要把自驾成熟的技术和经验迁移到具身智能，当前业内确实在干这事，但确实没人敢说全部能迁移过来，两者虽然类似接近，但还是不一样。

然而，英伟达近日发布了Halos for Robotics，并首次将自动驾驶领域十余年（18,000+工程年）积累的功能安全、预期功能安全、网络安全以及安全验证流程整体迁移（扩展）至机器人领域。Halos并非单一软件或硬件，而是一套覆盖安全计算平台IGX Thor、安全操作系统Halos OS、外部环境监控框架（Outside-In Safety Blueprint）、安全仿真验证以及AI Systems Inspection Lab认证体系的全栈架构，将安全覆盖开发、验证、部署、运行和认证全生命周期，实现从事后保护向内生安全的转变。

Halos最大的创新，在于并非重新设计机器人安全体系，而是复用自动驾驶成熟的安全技术栈。重点迁移的是安全工程方法，而非自动驾驶算法本身。自动驾驶经过多年发展，已经形成了完善的方法论，这些技术过去主要用于保障车辆在复杂道路环境中的安全运行，而机器人同样需要面对动态环境、人机协作以及不可预测的物理交互，因此两者在安全需求上具有高度一致性。Halos复用了自动驾驶成熟的软件开发流程、安全生命周期管理、危险分析与风险评估（HARA）、故障分析（FTA/FMEA）、冗余设计、实时监控机制以及ISO 26262等安全工程实践，并结合机器人特点增加外部环境监控框架，通过外部摄像头和AI监控系统，从环境侧持续感知机器人及周围人员状态，与机器人自身传感器形成双重安全冗余，实现从机器人观察环境扩展到环境监督机器人的安全闭环。

给自驾领域的研究启示，过去积累的大量安全工程能力并不会因为进入机器人行业而失效，相反，感知融合、多传感器冗余、实时操作系统、安全计算平台、仿真测试、数字孪生以及安全认证等核心技术，都能够较为自然地迁移至机器人研发流程。真正需要补充的是机器人特有的操作安全，包括接触动力学（Contact Dynamics）、柔顺控制（Compliance Control）、抓取稳定性、人机协同以及复杂操作任务中的物理交互建模。


Link:developer.nvidia.com/blog/inside-nvidia-halos-for-robotics-a-full-stack-functional-safety-system-for-physical-ai/

往期回顾