Ferramentas abertas da Nvidia para redes 6G superam 1 milhão de downloads
Adoção do AI Aerial e da biblioteca Sionna cresceu dez vezes em um ano, com pesquisas voltadas para robótica, receptores neurais e corte de energia.
Por que importa. A computação na borda e a teleoperação de agentes dependem de latência de rede; modelos de IA aplicados à camada física de telecomunicações prometem reduzir o volume de dados e o consumo de energia.
A Nvidia anunciou nesta sexta-feira (6) que o conjunto de ferramentas de código aberto voltado para o desenvolvimento de redes 6G ultrapassou a marca de 1 milhão de downloads. A companhia informou que a adoção global dos pacotes NVIDIA AI Aerial e NVIDIA Sionna cresceu dez vezes no último ano e alcançou mais de 8 mil instituições acadêmicas e centros de pesquisa ao redor do mundo. As ferramentas integram treinamento de inteligência artificial, simulações de radiofrequência aceleradas por GPU e testes em hardware sem fio.
Para quem desenvolve sistemas autônomos, visão computacional distribuída e aplicações em borda, a transição para redes orientadas por IA visa contornar gargalos de largura de banda e atrasos de resposta. Os projetos que utilizam a pilha aberta da fabricante se concentram em substituir transmissões de dados brutos por representações semânticas, otimizar receptores de sinal com aprendizado de máquina e prever o consumo elétrico da infraestrutura celular.
Robôs mais rápidos com comunicação semântica
Um dos principais experimentos com a biblioteca Sionna foi conduzido no King's College London, onde pesquisadores conectaram um braço robótico a uma placa de processamento NVIDIA Jetson AGX Orin. Em vez de enviar fluxos contínuos de vídeo para servidores externos, o sistema utilizou um método chamado comunicação semântica orientada a objetivos, transmitindo apenas descrições estruturadas sobre os objetos, suas coordenadas e relações espaciais. Em testes de empacotamento de frutas e empilhamento de blocos, a abordagem reduziu o tempo de execução das tarefas em até 52,6%.
A equipe britânica também usou gêmeos digitais no mesmo pipeline para validar trajetórias contra colisões antes de disparar o comando mecânico. O envio de dados resumidos demonstrou maior tolerância a falhas na bancada de testes, permitindo ao robô detectar itens derrubados e recalcular a movimentação sem depender do tráfego constante de imagens pesadas pela rede móvel.
Receptores neurais e corte de energia na antena
Na camada de transmissão física, a operadora japonesa SoftBank avaliou o uso de receptores neurais acoplados à plataforma Aerial CUDA-Accelerated RAN (ACAR) em conjunto com um smartphone 5G comercial. Em ambientes com interferência artificialmente controlada, o receptor baseado em rede neural registrou ganho de até 60% na taxa de transferência de upload em relação aos receptores convencionais. Paralelamente, pesquisadores da ETH Zurich constataram que ajustar receptores neurais a partir de medições locais de sinal reduziu as taxas de erro de bloco em mais de um terço quando comparadas a modelos apenas pré-treinados.
A eficiência energética das torres de celular também virou objeto de teste prático na Universidade de Leeds, no Reino Unido. Pesquisadores desenvolveram um modelo de IA capaz de antecipar a demanda de conexões com 10 minutos de antecedência para colocar estações rádio base ociosas em modo de repouso, verificando antes se estações vizinhas podiam cobrir a área. Utilizando uma unidade compacta 5G acelerada por sistemas DGX, a universidade reportou queda de 45,6% no consumo elétrico da rede de rádio (RAN) sem derrubar dispositivos conectados.
Simulação de canais acelerada por GPU
Para acelerar o fluxo de validação antes de investimentos em antenas físicas, o Centre Tecnològic de Telecomunicacions de Catalunya (CTTC) portou modelos de canal de rádio da plataforma ACAR para o simulador aberto 5G-LENA. A integração em GPU permitiu calcular a propagação de ondas entre centenas de antenas e dispositivos em tempo menor, reduzindo testes que demoravam cerca de três horas para uma faixa entre 10 e 20 minutos.
Apesar dos ganhos mostrados em bancadas acadêmicas e testes isolados, a Nvidia não divulgou previsões sobre a chegada comercial dessas arquiteturas neurais ao padrão operacional das operadoras de telecomunicações. A empresa mantém os repositórios do AI Aerial e do Sionna abertos publicamente no GitHub para pesquisadores e times de engenharia interessados em simular a arquitetura das futuras redes 6G.
Fontes
- NVIDIA: How NVIDIA Open Source Tools Are Helping Researchers Build Next-Generation 6G Networks
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
