NVIDIA的開源5G/6G工具下載量已超過百萬次，正在幫助全球研究機構開發無線系統
從而幫助機器人更快地做出反應、改善訊號接收並使網路容量與需求相符
一年前，NVIDIA 開源了其 Aerial 無線軟體，與 Sionna 以及一系列其他開源工具一起，加速下一代 6G 網路的發展。它們共同為研究人員提供了一個平台，用於測試各種想法、比較結果並相互借鑒——將模擬和人工智慧訓練與真實的空中無線系統實驗相結合。
如今，研究人員和開發人員正在利用這些工具來建立支援 6G 的網絡，這些網路不僅可以傳輸數據，還能更有效地接收訊號，在最關鍵的時刻保持機器人和自主系統的連接，並隨著設備在世界中的移動而即時適應。
過去一年，NVIDIA AI Aerial 和 NVIDIA Sionna 軟體的全球開發者採用率成長了 10 倍，而 NVIDIA 的開源 5G/6G 工具下載量已突破 100 萬次。全球超過 8000 家研究機構和學術機構正在使用這些平台。
如今湧現的這些項目展現了未來網路可能的樣子。每個專案都致力於解決不同的挑戰，但共同指向一個更宏大的願景：建立原生支援人工智慧的 6G 網絡，透過融合的軟體定義平台，為數十億人、機器和智能體提供連接、運算和感知功能。
幫助機器人更快反應的網絡
機器人拾取物體時需要了解周圍環境並在環境變化之前採取行動。當驅動該決策的人工智慧運作在附近的伺服器或雲端時，無線連線就會成為回應時間的一部分。
研究人員正在探索一種更有效率的方法，稱為目標導向語義溝通。機器人不再發送完整的圖像，而是傳輸物體的簡潔描述，包括物體的位置和相互關係。這種僅傳輸所需資訊的方式，使機器人能夠更快地做出反應，尤其是在工作場所和倉庫等動態環境中。
在倫敦國王學院，研究人員將配備攝影機的機械手臂連接到運行 NVIDIA Sionna 作業系統的 NVIDIA Jetson AGX Orin 平台。該平台支援軟體定義的 5G 網路和邊緣 AI 處理。在故意引入故障的水果包裝和立方體堆疊實驗中，與定期發送圖像相比，該方法將機器人完成任務的時間縮短了高達 52.6% ，並提高了任務成功率。
除了反應速度更快、處理開銷更小之外，該系統還被證明更具彈性——能夠檢測掉落的物體、從失敗的操作中恢復，並且在使用數位孿生的配置中，能夠在執行之前檢查計劃的動作是否存在潛在的碰撞。
能夠更好地學習接收訊號的網絡
對於接收無人機即時畫面的消防員或搜尋失蹤人員的救援隊來說，及時取得的影像有助於他們做出緊急決策。但乾擾和不斷變化的無線電環境會使無線訊號難以解碼，導致錯誤和重傳，從而延遲現場訊息的傳遞。
人工智慧接收器透過學習更有效地從接收到的訊號中恢復資訊來應對這項挑戰。更好的接收效果可以幫助救援人員更清晰、更及時地掌握火災現場或搜索區域的情況。
軟銀透過將神經接收器整合到 NVIDIA Aerial CUDA 加速無線接取網路（ACAR）中，並使用商用 5G 智慧型手機進行測試，證明了這一點。在受控干擾測試中，在所有 15 種測試設定下，神經接收器的上行鏈路吞吐量均高於傳統接收器，最大增益約為 60%。
另一種提高接收效能的方法是讓接收器了解其工作環境。蘇黎世聯邦理工學院的研究人員利用 NVIDIA Aerial Testbed 平台發現，與選定的預訓練版本相比，使用局部測量資料調整神經接收器可以將區塊錯誤率降低三分之一以上。
能夠學習何時節能的網絡
隨著 6G 連接更多設備並支援更多人工智慧應用，能源需求管理將變得越來越重要。
例如，網路可能需要足夠的容量來服務繁忙的體育場，但當人群散去時，需求會改變。人工智慧可以幫助識別何時可以關閉備用容量，以及何時需要重新啟動，使營運商能夠在不中斷連接的情況下降低電力消耗。
利茲大學的研究人員開發了一種系統，可以預測未來 10 分鐘的網路需求，並利用這些預測結果來指導基地台的休眠決策。在斷電之前，該系統會檢查相鄰的活躍基地台是否能夠繼續為受影響的設備提供服務，並監控任何需要恢復網路容量的變化。
該團隊使用便攜式、搭載 NVIDIA DGX Spark 的 5G「盒式網路」測試了他們的方法，並結合數位孿生模型來驗證與真實無線設備相關的決策。結果顯示：與全功率基線相比，研究人員在保持裝置連接性的同時，將無線存取網路 (RAN) 功耗降低了 45.6%。
可以在建造之前更快地測試的網絡
在部署網路之前，研究人員需要了解當數百台設備爭用連接或無線電訊號受到干擾時，網路的效能表現。模擬這些情況有助於團隊在投入昂貴的設備和進行現場試驗之前評估設計方案。但逼真的模擬可能需要數小時，這限制了研究人員可以探索的方案數量。
加泰隆尼亞電信技術中心 (CTTC) 正在加速這一進程，他們將運行在 ACAR 上的 GPU 加速無線通道模型引入到 CTTC 的開源 5G-LENA 網路模擬器中。這些模型用於計算無線訊號在天線和設備之間的傳輸方式—隨著類比網路規模的擴大，這種計算的需求也日益增長。
在早期評估中，該方法將模擬運行時間從大約 3 小時縮短到 10-20 分鐘（取決於整合情況），同時保持了預期的統計行為和網路效能。
更快的模擬速度使研究人員能夠比較更多設計方案，研究更複雜的場景，並更快地完善想法。隨著 6G 技術的不斷發展，這可以縮短從創新方案到經過全面評估的網路設計之間的路徑，幫助團隊在實際部署之前建立更佳的連接效能。
11月搞畏獎現正開跑，留言抽好禮!!
ioioTIMES IG | Threads 歡迎加入!!
我們有LINE TODAY頻道了，快來追踪我們吧!!--最新科技新聞 盡在你手
