Các công cụ AI mã nguồn mở của NVIDIA tăng tốc nghiên cứu 6G trong lĩnh vực robot, quản lý năng lượng và mô phỏng mạng

Bộ công cụ mã nguồn mở của NVIDIA cho kỷ nguyên không dây thế hệ tiếp theo

Một năm sau khi ra mắt bộ phần mềm không dây AI Aerial, NVIDIA đã mở rộng danh mục mã nguồn mở của mình với Sionna, tạo nên một công cụ kết hợp giữa mô phỏng, đào tạo AI và các thí nghiệm over‑the‑air. Các công cụ này hiện đã trở thành nền tảng de‑facto cho nghiên cứu 6G: mức độ áp dụng toàn cầu của AI Aerial và Sionna đã tăng 10×, tổng số lượt tải xuống các tài sản mã nguồn mở 5G/6G của NVIDIA đã vượt 1 triệu, và hơn 8.000 tổ chức học thuật và viện nghiên cứu đang sử dụng chúng một cách tích cực.

Phản hồi robot nhanh hơn nhờ giao tiếp ngữ nghĩa hướng mục tiêu

AI dựa trên đám mây truyền thống có thể gây độ trễ, làm cản trở quyết định thời gian thực của robot. Các nhà nghiên cứu tại King’s College London đã gắn một cánh tay robot có camera vào NVIDIA Jetson AGX Orin chạy ngăn xếp 5G định nghĩa bằng phần mềm của Sionna. Thay vì truyền toàn bộ hình ảnh, hệ thống chỉ gửi các mô tả ngữ nghĩa ngắn gọn (loại đối tượng, vị trí, mối quan hệ). Nhờ vậy thời gian hoàn thành nhiệm vụ trong các thử nghiệm đóng gói trái cây và xếp khối có lỗi cố ý đã giảm lên tới 52,6 %. Phương pháp này còn nâng cao tỷ lệ thành công, phát hiện các vật rơi và, khi kết hợp với bản sao kỹ thuật số (digital twin), kiểm tra trước các kế hoạch di chuyển để tránh va chạm.

Bộ thu nhận AI‑tăng cường mang lại tín hiệu sạch hơn

Trong các tình huống khẩn cấp—như lính cứu hỏa xem video từ drone hoặc đội cứu hộ theo dõi người mất tích—nhiễu sóng có thể làm hỏng luồng dữ liệu không dây. SoftBank đã tích hợp một bộ thu nhận thần kinh vào Aerial CUDA‑Accelerated RAN (ACAR) của NVIDIA và thử nghiệm với một smartphone 5G thương mại. Trong 15 môi trường nhiễu khác nhau, bộ thu nhận dựa trên AI luôn vượt trội hơn thiết kế truyền thống, đạt mức tăng tốc độ tải lên tối đa khoảng 60 %.

Riêng biệt, các nhà nghiên cứu tại ETH Zurich đã tinh chỉnh các bộ thu nhận thần kinh bằng các đo lường môi trường địa phương thông qua Aerial Testbed. Việc tùy biến này đã giảm tỷ lệ lỗi khối (block error rate) hơn một phần ba so với các mô hình đã được huấn luyện sẵn trên thị trường.

Mạng tiết kiệm năng lượng dự đoán nhu cầu

Khi 6G hướng tới kết nối hàng tỷ thiết bị, hiệu quả năng lượng trở thành yếu tố then chốt. University of Leeds đã xây dựng một hệ thống dự báo tải mạng trước 10 phút và quyết định những trạm gốc nào có thể vào chế độ ngủ an toàn. Sử dụng một NVIDIA DGX Spark‑powered 5G “network‑in‑a‑box” di động cùng bản sao kỹ thuật số để xác thực, nhóm nghiên cứu đã đạt giảm 45,6 % tiêu thụ năng lượng RAN trong khi vẫn duy trì kết nối cho mọi thiết bị.

Mô phỏng nhanh chóng rút ngắn thời gian đưa vào thực tiễn

Trước khi triển khai mạng thực tế, các kỹ sư cần mô phỏng lưu lượng thiết bị dày đặc và nhiễu sóng. Centre Tecnològic de Telecomunicacions de Catalunya (CTTC) đã tích hợp các mô hình kênh vô tuyến tăng tốc bằng GPU từ ACAR vào bộ mô phỏng mã nguồn mở 5G‑LENA. Các thử nghiệm ban đầu đã cắt giảm thời gian mô phỏng từ khoảng ba giờ xuống còn 10‑20 phút, đồng thời vẫn duy trì độ chính xác thống kê và các chỉ số hiệu suất mạng. Tốc độ phản hồi nhanh hơn cho phép các nhà nghiên cứu khám phá nhiều thiết kế và kịch bản biên, tiềm năng rút ngắn thời gian ra mắt 6G.

Nhìn về phía trước

Các dự án tiên phong này minh chứng cho một tham vọng rộng lớn hơn: các mạng 6G bản địa AI, kết hợp kết nối, tính toán và cảm biến trên một nền tảng phần mềm định nghĩa thống nhất cho con người, máy móc và các tác nhân tự động. AI Aerial và Sionna của NVIDIA được cung cấp miễn phí trên GitHub, và cộng đồng sẽ tiếp tục giới thiệu các đổi mới tại các buổi họp nhà phát triển 6G sắp tới tại NVIDIA GTC ở Washington, D.C.

--- Để biết thêm chi tiết, hãy truy cập bài viết trên blog của NVIDIA "How NVIDIA Open Source Tools Are Helping Researchers Build Next‑Generation 6G Networks."