NVIDIA 开源工具助力研究者构建下一代 6G 网络
NVIDIA 表示,其 AI Aerial 与 Sionna 等开源工具正被全球研究者用于 6G 网络开发,开发者采用量一年增长 10 倍。多个项目展示了机器人通信、AI 接收器、节能基站和加速仿真等方向。
资讯摘要
NVIDIA 表示,其 AI Aerial 与 Sionna 等开源工具正被全球研究者用于 6G 网络开发,开发者采用量一年增长 10 倍。多个项目展示了机器人通信、AI 接收器、节能基站和加速仿真等方向。
NVIDIA 一年前将 Aerial 无线软件开源,使其与 Sionna 及更广泛的开源工具套件一起,为下一代 6G 网络开发提供基础,把仿真、AI 训练与真实空口无线实验连接起来。过去一年,NVIDIA AI Aerial 与 NVIDIA Sionna 的全球开发者采用量增长 10 倍,开源 5G/6G 工具下载量超过 100 万次,已有 8,000 多家研究和学术机构使用这些平台。
King's College London 研究者将带摄像头的机械臂连接到运行 NVIDIA Sionna 的 NVIDIA Jetson AGX Orin,探索面向目标的语义通信:传输物体、位置及关系的紧凑描述,而非完整图像。在水果包装和方块堆叠实验中,该方法将任务完成时间最多缩短 52.6%,成功率也高于周期性发送图像;系统还能检测掉落物体、从失败动作中恢复,并在使用数字孪生时检查潜在碰撞。
SoftBank 将神经接收器集成到 NVIDIA Aerial CUDA-Accelerated RAN(ACAR),并用商用 5G 智能手机测试。在存在干扰的受控测试中,神经接收器在全部 15 个设置下上行吞吐量均高于传统接收器,最大增益约 60%。ETH Zurich 研究者使用 NVIDIA Aerial Testbed 发现,用本地测量调优神经接收器,与选定的预训练版本相比可将块错误率降低三分之一以上。
University of Leeds 的系统提前 10 分钟预测网络需求,指导基站休眠,并在断电前检查邻近活跃基站能否继续服务。团队用由 NVIDIA DGX Spark 驱动的便携式 5G“network-in-a-box”和数字孪生验证,报告 RAN 功耗相对全功率基线降低 45.6%,同时保持连接。
CTTC 将运行在 ACAR 上的 GPU 加速无线信道模型引入开源 5G-LENA 模拟器。早期评估显示,仿真运行时间从约 3 小时降至 10-20 分钟,同时保持预期统计行为和网络性能。
来源:NVIDIA Blog