AMD dorong pendekatan komputasi baru untuk robot berbasis AI

JAKARTA (IndoTelko) - Perkembangan kecerdasan buatan (AI) mulai bergeser dari sistem berbasis cloud yang menjawab pertanyaan menuju teknologi yang mampu berinteraksi dan bertindak di dunia nyata. Perubahan ini mendorong industri untuk mengevaluasi kembali cara mengukur kinerja AI, khususnya pada robotika, otomotif, dan otomasi industri.

Senior Vice President dan General Manager Adaptive and Embedded Computing Group AMD, Salil Raje, mengatakan bahwa AI fisik (physical AI) memiliki kebutuhan berbeda dibandingkan AI yang hanya menjalankan pelatihan model dan inferensi. Sistem robot harus mampu memahami lingkungan, mengambil keputusan, serta mengendalikan mesin secara tepat waktu dan aman.

Menurutnya, ukuran kinerja seperti TOPS (trillions of operations per second) tidak cukup untuk menggambarkan kemampuan AI fisik. Metrik tersebut menunjukkan kapasitas komputasi, tetapi tidak menjamin sistem mampu merespons masukan sensor dan menghasilkan tindakan dalam batas waktu yang ditentukan.

Dalam robot yang beroperasi dekat manusia, keterlambatan pengambilan keputusan kontrol dapat menimbulkan risiko tabrakan, ketidakstabilan, hingga perilaku yang tidak aman. Karena itu, kinerja perlu dinilai secara menyeluruh, mulai dari penerimaan data sensor hingga tindakan fisik, termasuk latensi, konsistensi waktu respons, dan perpindahan data antarkomponen.

Arsitektur Komputasi untuk Robot

Raje menjelaskan, AI fisik melibatkan beragam beban kerja yang berjalan secara bersamaan. Pemrosesan persepsi dan penalaran membutuhkan throughput tinggi yang dapat didukung GPU dan NPU. Sementara itu, kontrol real-time memerlukan eksekusi deterministik, yang dapat ditangani FPGA dan Adaptive SoC. CPU berperan mengoordinasikan keseluruhan sistem.

Pendekatan ini memungkinkan setiap beban kerja ditempatkan pada komponen komputasi yang sesuai dengan kebutuhan dan kedekatannya terhadap data maupun tindakan. AMD mengibaratkannya seperti tubuh manusia: otak untuk memahami dan merencanakan, tulang belakang untuk komunikasi, sendi untuk menggerakkan tubuh, serta sensor yang tersebar di berbagai bagian.

Selain performa, keselamatan juga harus menjadi bagian mendasar dari desain sistem. Hal ini mencakup redundansi, kemampuan menurunkan fungsi secara bertahap, pengambilan keputusan lokal, serta respons terkendali ketika terjadi kegagalan.

AMD mendukung pendekatan tersebut melalui Adaptive SoC dan platform x86. Adaptive SoC menyediakan pemrosesan real-time dan logika yang dapat diprogram untuk kebutuhan kontrol deterministik. Sementara itu, hypervisor Xen pada platform AMD x86 dapat membantu memisahkan beban kerja dengan tingkat kritikalitas berbeda, termasuk melalui pembatasan akses memori, perangkat, dan sumber daya komputasi.

Portofolio Robotika AMD

Untuk mendukung pengembangan AI robotika, AMD menghadirkan solusi Kria yang mencakup modul komputasi, platform pengembangan robotika, serta perangkat lunak dan ekosistem mitra.

Portofolio tersebut mencakup Kria AI SOM dan kartu carrier robotika berbasis prosesor AMD Ryzen AI Embedded X100 Series, AMD Kria AI Robotics Developer Platform yang menggabungkan CPU, GPU, NPU, dan FPGA, serta AMD Robotics Software Suite dan AMD Robotics Partner Network.

AMD juga menempatkan teknologi Versal Adaptive SoC, Zynq SoC, dan Spartan FPGA untuk menangani kebutuhan komputasi, kontrol, pergerakan, serta pemrosesan sensor.

Dalam pengujian yang dirujuk AMD, Kria AI SOM diklaim mampu mempertahankan 8.000 keputusan kontrol per detik sekaligus menjalankan penalaran AI dalam waktu kurang dari 100 milidetik. AMD juga mengutip benchmark OpenNav Robotics Workload yang menunjukkan keandalan kontrol real-time tepat waktu hingga 3,4 kali lebih baik dan kapasitas komputasi cadangan hingga 1,6 kali lebih tinggi pada konfigurasi Ryzen AI Embedded dibandingkan perangkat NVIDIA Jetson AGX Thor Developer Kit.

Analisis terpisah dari mimik, yang ditugaskan AMD, juga menyebut konfigurasi tersebut dapat mendukung hingga 2,3 kali lebih banyak agen AI secara bersamaan dibandingkan NVIDIA Jetson T5000. Hasil tersebut berasal dari pengujian dan pemodelan dengan konfigurasi serta beban kerja tertentu, sehingga tidak otomatis berlaku untuk seluruh skenario penggunaan.

AMD turut menekankan pendekatan perangkat lunak terbuka melalui AMD Robotics Software Suite yang dibangun di atas ROCm dan ROS 2, dengan dukungan PyTorch, ONNX, dan MoveIt. Spesifikasi perangkat keras platform pengembang Kria juga dibuka agar pelanggan dapat memilih mitra manufaktur dan mengembangkan produk sesuai kebutuhan.

Raje menilai, kapasitas komputasi puncak tetap penting, tetapi bukan satu-satunya penentu keberhasilan robot. Kemampuan mengoordinasikan seluruh sistem dan menempatkan setiap beban kerja pada komponen yang tepat menjadi kunci agar robot dapat beroperasi secara andal ketika ketepatan waktu dan keselamatan menjadi prioritas. (mas)