NVIDIAのオープンソースAIツール、ロボティクス・省電力・ネットワークシミュレーションで6G研究を加速

NVIDIAの次世代無線時代向けオープンソーススタック

AI Aerial 無線ソフトウェアスイートをリリースしてから1年、NVIDIAはオープンソースポートフォリオに Sionna を加え、シミュレーション、AI トレーニング、OTA 実験を結びつけた統合ツールキットを構築した。これらのツールは事実上の 6G 研究基盤となっており、世界的な開発者採用は 10倍 に拡大し、NVIDIA の 5G/6G オープンソース資産の総ダウンロード数は 1 百万件 を超え、8,000 以上 の学術・研究機関が積極的に利用している。

目標指向型セマンティック通信でロボットの反応速度を向上

従来のクラウドベース AI はレイテンシを付加し、リアルタイムなロボット判断を阻害することがある。King’s College London の研究者は、カメラ搭載ロボットアームを NVIDIA Jetson AGX Orin に接続し、Sionna のソフトウェア定義 5G スタック上で動作させた。フル画像ではなく、コンパクトなセマンティック記述子（オブジェクト種別、位置、関係性）を送信することで、果物の梱包や立方体積み上げの故障シナリオにおいてタスク完了時間を 最大 52.6 % 短縮した。この手法は成功率の向上、落下物の検知、デジタルツインと組み合わせた衝突事前チェックも実現した。

AI 強化受信機がよりクリアな信号を提供

緊急時—消防隊がドローン映像を閲覧したり、救助チームが行方不明者を追跡したりする場面—では干渉が無線ストリームを劣化させることがある。SoftBank は NVIDIA の Aerial CUDA‑Accelerated RAN (ACAR) にニューラル受信機を組み込み、商用 5G スマートフォンでテストした。15 種類の干渉条件 全てにおいて、AI 駆動受信機は従来設計を上回り、上りスループット最大約 60 % の増加を実現した。

別件として、ETH Zurich の研究者は Aerial Testbed を用いてローカル環境測定情報でニューラル受信機を微調整した。これにより、市販の事前学習モデルと比較してブロックエラー率が 3 分の 1 以上 削減された。

需要予測で省エネネットワーク

6G が数十億台のデバイス接続を目指す中、エネルギー効率は重要課題である。University of Leeds はネットワーク負荷を 10 分先 に予測し、どの基地局を安全にスリープモードに移行できるかを判断する予測システムを構築した。ポータブル NVIDIA DGX Spark 搭載 5G 「network‑in‑a‑box」 とデジタルツインによる検証を組み合わせ、RAN の消費電力を 45.6 % 削減しつつ全デバイスの接続を維持した。

高速シミュレーションで導入までの時間を短縮

ネットワークを実装する前に、エンジニアは高密度デバイストラフィックと干渉をシミュレートする必要がある。Centre Tecnològic de Telecomunicacions de Catalunya (CTTC) は ACAR の GPU 加速ラジオチャネルモデルをオープンソース 5G‑LENA シミュレータに統合した。初期テストではシミュレーション時間が 約 3 時間から 10‑20 分 に短縮され、統計的精度とネットワーク性能指標は維持された。高速なターンアラウンドにより、研究者は設計バリエーションやエッジケースをより多く検証でき、6G のロールアウトが加速する可能性が高まった。

今後の展望

これらの先行プロジェクトは、接続性・コンピューティング・センシングを統合した AI ネイティブ 6G ネットワークという大きなビジョンを示すものである。NVIDIA の AI Aerial と Sionna は GitHub で自由に入手可能であり、コミュニティは今後開催される NVIDIA GTC ワシントン D.C. の 6G 開発者セッションでさらなるイノベーションを披露する予定である。

--- 詳細は、NVIDIA のブログ記事 “How NVIDIA Open Source Tools Are Helping Researchers Build Next‑Generation 6G Networks.” をご覧ください。