英伟达开源工具助力6G网络研发

一年前，英伟达开源了其Aerial无线软件，加入Sionna以及更广泛的加速下一代6G网络开发的开源工具套件。 它们共同为研究人员提供了测试想法、比较结果和相互借鉴工作的基础——连接模拟和AI训练与真实无线系统的实验。 如今，研究人员和开发者正使用这些工具构建能够不仅仅是传输数据的6G就绪网络——更有效地接收信号，在关键时刻保持机器人和自主系统的连接，并随着设备在世界上移动实时适应。

过去一年，英伟达AI Aerial和NVIDIA Sionna软件的全球开发者采用量增长了10倍，英伟达的开源5G/6G工具下载量已超过100万。 全球超过8000个研究和学术机构正在使用这些平台。 当今涌现的项目展示了未来网络可能的样子。 每个项目都针对不同的挑战，但共同指向了构建AI原生6G网络的更广泛目标，这些网络通过集成的软件定义平台为数十亿的人、机器和代理提供连接、计算和感知。 帮助机器人更快反应的网络。 一个正在取物的机器人需要理解其周围环境并在它们改变之前行动。

当控制该决策的人工智能运行在附近的服务器或云端时，无线连接成为响应时间的一部分。 研究人员正在探索一种更高效的方法，称为目标导向语义通信。 与其发送完整图像，机器人传输对象的紧凑描述、它们的位置及其关系。 传输所需信息量允许机器人更快地响应，特别是在工作场所和仓库等动态环境中。 伦敦国王学院的研究人员将配备摄像头的机械臂连接到运行NVIDIA Sionna的英伟达Jetson AGX Orin，该硬件支持软件定义的5G网络和边缘AI处理。

在水果包装和立方体堆叠实验中故意引入错误，与发送周期性图像相比，该方法将机器人任务完成时间缩短了高达52.6%，并提高了任务成功率。 除了更快的响应和更少的处理开销外，该系统还证明更具弹性——检测掉落物体、从失败的行动中恢复，并在使用数字孪生的配置中在执行前检查计划的移动是否存在潜在碰撞。 学习更好地接收信号的网络。 对于接收实时无人机画面或搜救团队寻找失踪人员的消防员来说，及时图像可以帮助指导紧急决策。 但干扰和变化的无线电条件会使无线信号更难解码，导致错误和重传，从而延迟来自现场的情报。

AI接收器通过学习更有效地从传入信号中恢复信息来应对这一挑战。 更好的接收能力可以帮助响应者保持更清晰、更当前的火灾现场或搜救区域视图。 软银通过将神经接收器集成到英伟达Aerial CUDA加速RAN (ACAR)中，并使用商用5G智能手机进行测试，展示了这一点。 在带有干扰的控制测试中，神经接收器在所有15个测试设置中都提供了比传统接收器更高的上行吞吐量，最大增益约为60%。 另一种提高接收能力的方法是教接收器了解它们运行的环境。

苏黎世联邦理工学院的研究人员使用英伟达Aerial测试台发现，使用局部测量值调整神经接收器，与选择的预训练版本相比，降低了超过三分之一的块错误率。 学习何时节省能源的网络。 随着6G连接更多设备并支持更多AI应用，管理能源需求将变得越来越重要。