1年前、NVIDIAはAerialワイヤレスソフトウェアをオープンソース化し、Sionnaや次世代6Gネットワーク開発を加速するための幅広いオープンソースツール群に加わりました。これらのツールは、研究者がアイデアをテストし、結果を比較し、互いの成果の上に構築するための基盤を提供し、シミュレーションとAIトレーニングを実際の無線システムでの実験と結びつけます。
今日、研究者や開発者はこれらのツールを使用して、データを送信するだけでなく、より効果的に信号を受信し、重要なときにロボットや自律システムの接続を維持し、デバイスが実世界を移動するにつれてリアルタイムで適応する6G対応ネットワークを構築しています。
過去1年間で、NVIDIA AI AerialおよびNVIDIA Sionnaソフトウェアの世界的な開発者採用は10倍に増加し、NVIDIAのオープンソース5G/6Gツールのダウンロード数は100万回を超えました。世界中の8,000以上の研究・学術機関がこれらのプラットフォームを使用しています。
今日登場しているプロジェクトは、将来のネットワークがどのようなものかを示しています。それぞれが異なる課題に対処していますが、全体として、数十億の人々、機械、エージェントに接続、コンピューティング、センシングを融合したソフトウェア定義プラットフォームを介して提供するAIネイティブ6Gネットワークの構築という、より広い野心を指し示しています。
ロボットがより速く反応するのを助けるネットワーク
ロボットが物体を拾うには、周囲を理解し、状況が変わる前に行動する必要があります。その決定を支えるAIが近くのサーバーまたはクラウドで実行される場合、無線接続が応答時間の一部になります。
研究者は、目標指向セマンティック通信と呼ばれるより効率的なアプローチを模索しています。ロボットは完全な画像を送信する代わりに、物体、その位置、およびそれらの関係のコンパクトな説明を送信します。必要な情報だけを送信することで、ロボットは特に職場や倉庫のような動的な環境で、より迅速に応答できます。
キングス・カレッジ・ロンドンでは、研究者がカメラ付きロボットアームをNVIDIA Sionnaを実行するNVIDIA Jetson AGX Orinに接続しました。これはソフトウェア定義5GネットワークとエッジAI処理の両方をサポートします。故意に障害を導入した果物の梱包と立方体の積み上げ実験では、このアプローチにより、定期的に画像を送信する場合と比較して、ロボットのタスク完了時間が最大52.6%短縮され、タスク成功率が向上しました。
迅速な応答と処理オーバーヘッドの削減に加えて、システムはより回復力があることも証明されました。落とした物体を検出し、失敗したアクションから回復し、デジタルツインを使用する構成では、実行前に計画された動きの潜在的な衝突をチェックします。
信号をよりよく受信することを学習するネットワーク
ライブのドローン映像を受け取る消防士や、行方不明者を捜索する救助隊にとって、タイムリーな画像は緊急の決定を導くのに役立ちます。しかし、干渉と変化する無線条件により、無線信号のデコードが難しくなり、エラーと再送信が発生して現場からの情報が遅れる可能性があります。
AI受信機は、入ってくる信号から情報をより効果的に回復することを学習することで、この課題に対処します。より良い受信は、レスポンダーが火災現場や捜索地域のより明確で最新のビューを維持するのに役立ちます。
ソフトバンクは、ニューラル受信機をNVIDIA Aerial CUDAアクセラレーテッドRAN（ACAR）に統合し、商用5Gスマートフォンでテストすることでこれを実証しました。干渉のある制御されたテストでは、ニューラル受信機は15のテスト設定すべてで従来の受信機よりも高いアップリンクスループットを提供し、最大で約60%のゲインを達成しました。
受信を改善する別の方法は、受信機に動作環境を教えることです。NVIDIA Aerial Testbedを使用して、ETHチューリッヒの研究者は、ローカル測定を使用してニューラル受信機を調整すると、選択した事前トレーニング済みバージョンと比較してブロックエラー率が3分の1以上削減されることを発見しました。
電力を節約するタイミングを学習するネットワーク
6Gがより多くのデバイスを接続し、より多くのAIアプリケーションをサポートするにつれて、エネルギー需要の管理がますます重要になります。
たとえば、ネットワークは忙しいスタジアムにサービスを提供するのに十分な容量が必要ですが、群衆が去ると需要が変化します。AIは、予備容量を電源オフにできるタイミングと、再びオンラインにする必要があるタイミングを識別するのに役立ち、オペレーターは接続を切断せずに電力使用量を削減できます。
リーズ大学では、研究者が10分先のネットワーク需要を予測し、その予測を使用して基地局のスリープ決定を導くシステムを開発しました。電源を切る前に、隣接するアクティブな基地局が影響を受けるデバイスにサービスを提供し続けることができるかどうかを確認し、容量を復元する必要がある変更を監視します。
チームは、ポータブルなNVIDIA DGX Spark搭載の5G「ネットワーク・イン・ア・ボックス」とデジタルツインを使用して、実際の無線機器に対して決定を検証し、アプローチをテストしました。結果：研究者は、デバイスの接続を維持しながら、フルパワーベースラインと比較してRAN消費電力が45.6%削減されたと報告しました。
構築前にテストできるネットワーク
ネットワークを展開する前に、研究者は数百のデバイスが接続を競合したり、無線信号が干渉に遭遇したりしたときにネットワークがどのように動作するかを知る必要があります。これらの条件をシミュレートすることは、チームが高価な機器とフィールドトライアルにコミットする前に設計を評価するのに役立ちます。しかし、現実的なシミュレーションには数時間かかる場合があり、研究者が探索できるアイデアの数が制限されます。
カタルーニャ電気通信技術センター（CTTC）は、ACAR上で実行されるGPU加速無線チャネルモデルをCTTCのオープンソース5G-LENAネットワークシミュレータに導入することで、このプロセスを加速しています。これらのモデルは、無線信号がアンテナとデバイスの間をどのように伝わるかを計算します。この計算は、シミュレートされたネットワークが大きくなるにつれてますます要求が厳しくなります。
初期評価では、このアプローチにより、シミュレーションの実行時間が約3時間から10〜20分に短縮され（統合方法によって異なる）、予想される統計的動作とネットワークパフォーマンスが維持されました。
より高速なシミュレーションにより、研究者はより多くの設計を比較し、より要求の厳しいシナリオを調査し、アイデアをより早く洗練させることができます。業界が6Gを開発するにつれて、これは提案されたイノベーションから徹底的に評価されたネットワーク設計への道を短縮し、チームが実世界に展開する前に優れた接続を構築するのに役立ちます。
NVIDIA GTCワシントンD.C.では、研究者と開発者が無線ネットワークの未来を形作るさらなるイノベーションを紹介する6G開発者セッションに参加してください。
NVIDIA AI AerialとNVIDIA SionnaはGitHubで利用可能です。