NVIDIA 6G Araçları 1 Milyon İndirmeyi Geçti: Robotlarda %52,6 Hız Kazancı
NVIDIA

NVIDIA 6G Araçları 1 Milyon İndirmeyi Geçti: Robotlarda %52,6 Hız Kazancı

· 4 DK

Yazar: KOZBA

İçindekiler
  1. Dört proje, dört farklı problem
  2. 1) Robotlar daha hızlı tepki veriyor: %52,6 kazanç
  3. 2) Sinyali daha iyi alan ağlar: %60'a varan kazanç
  4. 3) Ne zaman güç kısılacağını bilen ağlar: %45,6 tasarruf
  5. 4) Ağ kurulmadan önce saatler yerine dakikalar
  6. Neden önemli?
  7. Sonuç

NVIDIA'nın açık kaynak 5G/6G yazılım araçları toplamda 1 milyon indirmeyi geçti. Şirketin 6 Kasım 2026 tarihli blog yazısına göre bu araçları dünya genelinde 8.000'den fazla araştırma ve akademik kurum kullanıyor. Son bir yılda NVIDIA AI Aerial ve NVIDIA Sionna yazılımlarının geliştirici kullanımı ise 10 kat arttı.

Rakamlar, telekom araştırmasının yönünü gösteriyor: 6G çalışmaları artık yalnızca standart toplantılarında değil, herkesin indirip deneyebildiği simülasyon ve test araçları üzerinden ilerliyor. NVIDIA, Aerial yazılımını bir yıl önce açık kaynağa taşımıştı; Sionna ile birlikte bu iki araç, fikirden gerçek radyo testine uzanan bir hat kuruyor.

Dört proje, dört farklı problem

Blog yazısında öne çıkan araştırmalar birbirinden bağımsız görünse de aynı hedefe bakıyor: yapay zekayı ağın içine yerleştirmek. Aşağıdaki dört örnek, 6G'de bağlantı, hesaplama ve algılamanın aynı yazılım tanımlı platformda birleşebileceğini gösteriyor.

1) Robotlar daha hızlı tepki veriyor: %52,6 kazanç

Bir robotun nesne alması için çevresini anlaması ve harekete geçmesi gerekiyor. Karar veren yapay zeka yakındaki bir sunucuda veya bulutta çalıştığında, kablosuz bağlantı doğrudan tepki süresinin parçası oluyor.

King's College London araştırmacıları burada "hedef odaklı anlamsal iletişim" yaklaşımını denedi. Robot, tam görüntü göndermek yerine nesnelerin, konumlarının ve aralarındaki ilişkilerin kısa tanımını iletiyor. Kamerayla donatılmış bir robot kol, NVIDIA Jetson AGX Orin üzerinde çalışan Sionna ile bağlandı.

Meyve paketleme ve küp istifleme deneylerinde, kasıtlı hatalar da devreye sokularak ölçüm yapıldı. Sonuç: görev tamamlama süresinde %52,6'ya varan kısalma ve periyodik görüntü göndermeye kıyasla daha yüksek başarı. Sistem ayrıca düşen nesneyi fark edip başarısız hareketten toparlanabildi; dijital ikiz kullanılan kurulumlarda çarpışma kontrolü de yapıldı.

2) Sinyali daha iyi alan ağlar: %60'a varan kazanç

İtfaiyecinin canlı drone görüntüsüne ya da arama ekibinin kayıp kişi görüntüsüne ihtiyaç duyduğu anda girişim ve değişen radyo koşulları sinyali okumayı zorlaştırıyor. Hatalar ve yeniden iletimler bilgiyi geciktiriyor.

Yapay zeka alıcıları bu sorunu, gelen sinyalden bilgiyi daha iyi kurtarmayı öğrenerek çözüyor. SoftBank, sinirsel alıcıyı NVIDIA Aerial CUDA-Accelerated RAN (ACAR) içine entegre edip ticari bir 5G akıllı telefonla test etti. Girişimli kontrollü testlerde sinirsel alıcı, test edilen 15 ayarın tamamında geleneksel alıcıdan yüksek uplink verimi verdi; en yüksek kazanç yaklaşık %60 oldu.

ETH Zurich araştırmacıları başka bir yolu denedi: alıcıyı bulunduğu ortama göre ayarlamak. NVIDIA Aerial Testbed üzerinde yapılan yerel ölçümlerle ince ayar, önceden eğitilmiş sürümlere kıyasla blok hata oranını üçte birden fazla azalttı.

3) Ne zaman güç kısılacağını bilen ağlar: %45,6 tasarruf

6G daha fazla cihaz bağladıkça enerji yönetimi kritik hale geliyor. Bir stadyum doluyken gereken kapasite, kalabalık dağıldığında gereksiz kalıyor. Soru şu: baz istasyonu ne zaman uykuya alınabilir?

University of Leeds ekibi, ağ talebini 10 dakika önceden tahmin eden ve bu tahminle baz istasyonu uyku kararlarını yönlendiren bir sistem geliştirdi. Sistem, güç kesmeden önce komşu aktif istasyonların etkilenen cihazlara hizmet verebildiğini kontrol ediyor ve kapasiteyi geri getirmeyi gerektiren değişiklikleri izliyor.

Ekip, NVIDIA DGX Spark ile çalışan taşınabilir bir 5G "kutudaki ağ" ve kararları gerçek kablosuz ekipmana karşı doğrulayan bir dijital ikiz kullandı. Sonuç: tam güç referansına kıyasla RAN güç tüketiminde %45,6 azalma, cihaz bağlantısı korunarak.

4) Ağ kurulmadan önce saatler yerine dakikalar

Yüzlerce cihazın bağlantı için yarıştığı bir ağı kurmadan önce nasıl performans göstereceğini bilmek gerekiyor. Ancak gerçekçi simülasyonlar saatler alabiliyor ve bu, deneme sayısını sınırlıyor.

CTTC (Katalonya Telekomünikasyon Teknoloji Merkezi), ACAR üzerinde çalışan GPU hızlandırmalı radyo kanal modellerini açık kaynak 5G-LENA ağ simülatörüne taşıdı. İlk değerlendirmede simülasyon süresi yaklaşık 3 saatten 10-20 dakikaya indi; beklenen istatistiksel davranış ve ağ performansı korundu.

Neden önemli?

Açık kaynak burada bir dağıtım tercihi değil, ölçüm altyapısı işlevi görüyor. Aynı araçları kullanan ekipler sonuçlarını karşılaştırabiliyor, önceki çalışmanın üzerine bina edebiliyor ve simülasyondan gerçek radyo testine daha az kopuklukla geçebiliyor.

NVIDIA, 6G geliştirici oturumlarını Washington D.C.'deki GTC etkinliğinde düzenleyeceğini duyurdu. NVIDIA AI Aerial ve NVIDIA Sionna yazılımları GitHub üzerinden erişilebilir durumda.

Sonuç

1 milyon indirme ve 8.000'den fazla kurum, 6G araştırmasının merkezinde artık açık yazılım araçlarının durduğunu gösteriyor. Robotikten enerji tasarrufuna uzanan dört örnek, ağın yalnızca veri taşıyan değil, hesaplayan ve karar veren bir katman haline geldiğini ortaya koyuyor.

Paylaş