NVIDIA надає відкриті інструменти для розробки мереж 6G

07.11.2026, 13:52 expert.com.ua

Минула річниця відтоді, як NVIDIA відкрила доступ до свого програмного забезпечення Aerial wireless, доповнивши Sionna та ширший набір інструментів з відкритим кодом для прискорення розробки мереж 6G. Ці рішення надають дослідникам основу для тестування ідей, порівняння результатів та спільної роботи, поєднуючи симуляцію та навчання ШІ з експериментами на реальних бездротових системах.

Сьогодні дослідники та розробники використовують ці інструменти для створення мереж, готових до 6G, які не просто передають дані. Вони дозволяють ефективніше приймати сигнали, забезпечують надійне підключення для роботів та автономних систем у критичні моменти та адаптуються в реальному часі до переміщень пристроїв. За останній рік використання NVIDIA AI Aerial та NVIDIA Sionna розробниками зросло в 10 разів, а інструменти NVIDIA з відкритим кодом для 5G/6G перевищили 1 мільйон завантажень. Ці платформи використовують понад 8000 дослідницьких та академічних установ по всьому світу.

Робот, що підбирає предмет, потребує розуміння оточення та здатності діяти до його зміни. Коли ШІ, що керує цим рішенням, працює на віддаленому сервері чи в хмарі, час відгуку бездротового з’єднання стає критичним. Дослідники вивчають більш ефективний підхід, відомий як цільова семантична комунікація. Замість передачі повних зображень, роботи надсилають стислі описи об’єктів, їх позицій та взаємозв’язків. Передача лише необхідної інформації дозволяє роботам швидше реагувати, особливо в динамічних середовищах, таких як робочі цехи та склади.

У King’s College London дослідники підключили роботизовану руку з камерою до NVIDIA Jetson AGX Orin, використовуючи NVIDIA Sionna, яка підтримує програмно-визначену мережу 5G та обробку ШІ на периферії. У експериментах з пакування фруктів та складання кубиків, де навмисно вносилися збої, цей підхід скоротив час виконання завдань роботом до 52,6% та покращив успішність порівняно з передачею періодичних зображень. Система також продемонструвала кращу стійкість: виявляла падіння об’єктів, відновлювалася після невдалих дій та, у конфігураціях з цифровим двійником, перевіряла заплановані рухи на потенційні зіткнення перед виконанням.

Для пожежника, який отримує зображення з дрона, або рятувальної команди, що шукає зниклу людину, своєчасні зображення можуть допомогти в прийнятті термінових рішень. Однак перешкоди та мінливі радіоумови можуть ускладнювати декодування бездротових сигналів, спричиняючи помилки та повторні передачі, що затримують інформацію з місця події. ШІ-приймачі вирішують цю проблему, навчаючись ефективніше відновлювати інформацію з вхідних сигналів. Краще приймання може допомогти службам швидкого реагування підтримувати чіткіше, актуальніше уявлення про місце пожежі чи зону пошуку.

SoftBank продемонстрував це, інтегрувавши нейронний приймач у NVIDIA Aerial CUDA-Accelerated RAN (ACAR) та протестувавши його з комерційним смартфоном 5G. У контрольованих тестах з перешкодами, нейронний приймач забезпечив вищу пропускну здатність висхідного каналу порівняно зі звичайним приймачем за всіх 15 протестованих налаштувань, з максимальним приростом приблизно 60%. Інший спосіб покращити приймання — навчити приймачі роботі в конкретних середовищах. Використовуючи NVIDIA Aerial Testbed, дослідники з ETH Zurich виявили, що налаштування нейронних приймачів з використанням локальних вимірювань зменшило показник помилок блоку більш ніж на третину порівняно з попередньо навченими версіями.

З розширенням 6G для підключення більшої кількості пристроїв та підтримки додатків ШІ, управління енергоспоживанням ставатиме дедалі важливішим. Наприклад, мережа може потребувати достатньої потужності для обслуговування переповненого стадіону, але попит зменшується, коли натовп розходиться. ШІ може допомогти визначити, коли надлишкову потужність можна вимкнути, а коли її потрібно знову активувати, дозволяючи операторам зменшити споживання електроенергії без втрати з’єднань.

В Університеті Лідса дослідники розробили систему, яка прогнозує мережевий попит на 10 хвилин вперед і використовує ці прогнози для прийняття рішень щодо переведення базових станцій у сплячий режим. Перед вимкненням система перевіряє, чи сусідні активні станції можуть продовжувати обслуговувати пристрої, що потрапили під вплив, і відстежує зміни, які вимагають відновлення потужності. Команда протестувала свій підхід за допомогою портативної 5G-мережі «все в одному» на базі NVIDIA DGX Spark, разом із цифровим двійником для перевірки рішень на реальному бездротовому обладнанні. Результат: дослідники повідомили про зниження споживання енергії RAN на 45,6% порівняно з роботою на повній потужності, зберігаючи при цьому зв’язок з пристроями.

Перед розгортанням мережі дослідникам потрібно знати, як вона працюватиме, коли сотні пристроїв змагатимуться за підключення або коли радіосигнали зіштовхуться з перешкодами. Симуляція цих умов допомагає командам оцінити дизайни перед тим, як інвестувати в дороге обладнання та польові випробування. Однак реалістичні симуляції можуть займати години, обмежуючи кількість ідей, які дослідники можуть дослідити.

Центр технологій телекомунікацій Каталонії (CTTC) прискорює цей процес, інтегруючи моделі радіоканалів з прискоренням на GPU, що працюють на ACAR, у симулятор мережі 5G-LENA з відкритим кодом від CTTC. Ці моделі розраховують, як бездротові сигнали поширюються між антенами та пристроями — обчислення, що стає все більш вимогливим зі зростанням симульованих мереж. У ранній оцінці цей підхід скоротив час симуляції приблизно з трьох годин до 10-20 хвилин, залежно від інтеграції, зберігаючи очікувану статистичну поведінку та продуктивність мережі. Швидші симуляції дозволяють дослідникам порівнювати більше дизайнів, досліджувати складніші сценарії та швидше вдосконалювати ідеї. В міру розвитку індустрії 6G це може скоротити шлях від запропонованої інновації до ретельно оціненого дизайну мережі, допомагаючи командам будувати краще підключення ще до його розгортання в реальному світі.

На конференції NVIDIA GTC Washington, D.C. відбудуться сесії для розробників 6G, де дослідники та інженери продемонструють нові інновації, що формують майбутнє бездротових мереж. NVIDIA AI Aerial та NVIDIA Sionna доступні на GitHub.

джерело: NVIDIA

Читати повністю…