NVIDIA 開源 AI 工具加速機器人、電源管理與網路模擬的 6G 研究

NVIDIA 的開源堆疊：下一代無線時代

在推出 AI Aerial 無線軟體套件一年之後，NVIDIA 以 Sionna 擴充了開源產品組合，打造出結合模擬、AI 訓練與空中實驗的綜合工具箱。這套工具已成為 6G 研究的事實基礎：全球開發者對 AI Aerial 與 Sionna 的採用率已成長 10 倍，NVIDIA 的 5G/6G 開源資產總下載量突破 100 萬，且 超過 8,000 所學術與研究機構正積極使用。

透過目標導向語意通訊加速機器人回應

傳統的雲端 AI 會增加延遲，影響即時機器人決策。King’s College London 的研究人員將配備相機的機械手臂連接至執行 Sionna 軟體定義 5G 堆疊的 NVIDIA Jetson AGX Orin。透過傳送緊湊的語意描述子（物件類型、位置、關係）取代完整影像，系統在水果包裝與立方體堆疊的故障測試中，任務完成時間縮短 最高 52.6 %。此方法亦提升成功率、偵測掉落物件，且結合數位孿生後，可於動作執行前檢查碰撞風險。

AI 強化接收端提供更純淨的訊號

在緊急情境——如消防員觀看無人機影像或救援團隊追蹤失蹤人員——干擾可能破壞無線串流。SoftBank 將神經接收端整合至 NVIDIA 的 Aerial CUDA 加速 RAN（ACAR），並以商用 5G 智慧手機進行測試。於 15 種干擾設定 下，AI 驅動的接收端始終優於傳統設計，最高上行吞吐量提升約 60 %。

另外，ETH Zurich 的研究人員透過 Aerial 測試平台，以本地環境測量資料微調神經接收端。相較於現成的預訓練模型，此客製化將區塊錯誤率降低 超過三分之一。

預測需求的節能網路

隨著 6G 目標連接數十億裝置，能源效率變得至關重要。University of Leeds 建置了一套預測系統，可提前 10 分鐘 預測網路負載，並決定哪些基站可安全進入睡眠模式。結合攜帶式 NVIDIA DGX Spark 驅動的 5G「network‑in‑a‑box」 與數位孿生驗證，團隊將 RAN 功耗降低 45.6 %，同時保持所有裝置連線。

加速模擬縮短部署路徑

在實地部署網路之前，工程師必須模擬密集裝置流量與干擾。Centre Tecnològic de Telecomunicacions de Catalunya（CTTC） 將 ACAR 的 GPU 加速無線電通道模型整合至開源 5G‑LENA 模擬器。初步測試將模擬時間從 約三小時縮減至 10‑20 分鐘，同時保留統計精度與網路效能指標。更快的迭代讓研究人員能探索更多設計與極端情境，或可加速 6G 的推廣。

展望未來

這些早期案例展現了更宏大的願景：以 AI 為本的 6G 網路，將連接性、運算與感測融合於統一的軟體定義平台，服務人類、機器與自主代理。NVIDIA 的 AI Aerial 與 Sionna 均可在 GitHub 免費取得，社群也將於即將在華盛頓特區舉行的 NVIDIA GTC 6G 開發者論壇中展示更多創新。

--- 欲了解更多資訊，請參閱 NVIDIA 部落格文章「How NVIDIA Open Source Tools Are Helping Researchers Build Next‑Generation 6G Networks」。