TehnologijaGN News Redakcija07.11.2026. 02:01pre 54 min

NVIDIA pokazala kako AI menja mobilne mreže: roboti do 52% brži, bazne stanice štede struju

NVIDIA je objavila rezultate istraživanja budućih 6G mreža: AI radio-prijemnici, roboti sa bržim odzivom i bazne stanice koje prilagođavaju potrošnju. Objašnjavamo šta je zaista testirano, a šta još nije komercijalna tehnologija.

Arhivska fotografija stvarne mobilne bazne stanice sa antenama, snimljene 2016. u Južnoj Africi; ilustracija mobilne radio-mreže, nije laboratorija NVIDIA niti 6G oprema — Deavmi / Wikimedia Commons https://commons.wikimedia.org/wiki/File:Cellular_base_station.jpg ; CC BY-SA 4.0 https://creativecommons.org/licenses/by-sa/4.0 ; JPEG prilagođen u WebP pod istom licencom.

Mreže koje ne prenose samo podatke, već koriste AI

NVIDIA je objavila nove rezultate istraživanja tehnologija koje bi trebalo da oblikuju mobilne mreže šeste generacije. Cilj je da buduće mreže ne služe samo za brz prenos snimaka i poruka, već i za obradu informacija blizu uređaja, pametnije korišćenje radio-signala i manju potrošnju energije. Kompanija navodi da njeni otvoreni alati AI Aerial i Sionna već imaju više od milion preuzimanja i korisnike u preko osam hiljada istraživačkih i obrazovnih institucija.

Upozorenje je važno: reč je o istraživanjima i kontrolisanim eksperimentima, ne o tome da su operateri već pustili gotovu 6G mrežu. NVIDIA tvrdi da je zainteresovanost programera za njene alate tokom prethodne godine porasla desetostruko. Ti alati omogućavaju da istraživači modeluju radio-kanale, testiraju AI prijemnike i upoređuju različite metode, a zatim neke od ideja provere na stvarnoj opremi.

Robot može da reaguje brže kada šalje samo ono što je važno

Jedan od najzanimljivijih testova sproveden je na King’s College London. Istraživači su povezali robotsku ruku opremljenu kamerom sa NVIDIA Jetson AGX Orin uređajem i Sionna softverom, kako bi proučili komunikaciju između robota i računara koji donosi odluke. Umesto neprekidnog slanja čitavih slika, sistem može da prosledi kompaktniji opis predmeta, njegovog položaja i odnosa sa okolinom. Ideja je da se prenese ono što je mašini potrebno za naredni pokret.

U eksperimentima pakovanja voća i slaganja kocki, uključujući namerno uvedene greške, ovaj pristup je smanjio vreme izvršavanja zadatka do 52,6 odsto u poređenju sa slanjem periodičnih slika. Robot je mogao bolje da prepozna kada je ispustio predmet ili kada pokušaj nije uspeo, pa da koriguje rad. Rezultat ne znači da će svaki robot biti dvostruko brži: zavisi od prirode zadatka, kvaliteta veze, modela i načina razmene informacija.

AI prijemnici mogu da pomognu kada je radio-signal loš

U svakodnevnom mobilnom saobraćaju signal može da oslabi zbog zgrada, udaljenosti i smetnji drugih predajnika. Zbog toga se deo podataka prenosi ponovo, što povećava kašnjenje. SoftBank je testirao neuronski prijemnik koji koristi AI da bolje rekonstruiše informacije iz radio-signala. Sistem je uklopljen u NVIDIA Aerial CUDA-Accelerated RAN i ispitan sa komercijalnim 5G telefonom, što je konkretnije od same softverske simulacije.

Prema objavljenim rezultatima, neuronski prijemnik postizao je bolji protok u odlaznom smeru u svih 15 testiranih konfiguracija sa smetnjama, a najveće poboljšanje iznosilo je približno 60 odsto. Na ETH Cirih tim istraživača dobio je više od jedne trećine manje grešaka u blokovima podataka kada je prijemnik podešen na lokalne uslove. Ovi podaci su rezultati navedenih testova; oni ne znače da će korisnik automatski dobiti 60 odsto brži mobilni internet.

Bazne stanice koje štede struju kada nema gužve

Mobilna mreža nije jednako opterećena celog dana. Na stadionu veliki broj korisnika može istovremeno da koristi internet, dok posle događaja potražnja naglo opada. Istraživači Univerziteta u Lidsu razvijaju sistem koji predviđa opterećenje deset minuta unapred i koristi tu prognozu da odluči kada je bezbedno privremeno smanjiti rad pojedinih baznih stanica. Pre gašenja proverava se da li susedne stanice mogu da prihvate korisnike bez prekida veze.

NVIDIA navodi da je u eksperimentu sa prenosivim 5G sistemom zasnovanim na DGX Spark računaru, uz proveru putem digitalnog blizanca, zabeleženo 45,6 odsto manje potrošnje energije radio-pristupnog dela mreže u odnosu na režim pune snage. Uređaji su tokom testiranja ostali povezani. To je značajan rezultat istraživanja energetske efikasnosti, ali ne i garancija da bi svaka stvarna mreža u svakom gradu uštedela isti procenat.

Simulacija koja umesto tri sata traje nekoliko minuta

Pre nego što se nova tehnologija ugradi u bazne stanice, istraživači je često proveravaju u računarskim simulacijama. Složena mreža sa mnogo korisnika i promenljivim uslovima može zahtevati sate izračunavanja. Katalonski CTTC integrisao je modele radio-kanala ubrzane grafičkim procesorima u otvoreni simulator 5G-LENA. Time istraživači mogu mnogo brže da porede različite antene, algoritme i scenarije prenosa.

U ranoj evaluaciji NVIDIA navodi smanjenje trajanja simulacije sa približno tri sata na deset do dvadeset minuta, zavisno od konfiguracije, uz očuvanje očekivanih statističkih svojstava modela. Brže simulacije ne znače da je gotova buduća mreža, već da istraživači mogu da probaju više mogućnosti za isto vreme. Fotografija uz ovaj članak prikazuje stvarnu, stariju mobilnu baznu stanicu, kao ilustraciju radio-infrastrukture; ne predstavljamo je kao NVIDIA laboratoriju niti kao 6G opremu.

Izvori

https://blogs.nvidia.com/blog/telco-open-source-tools-research-6g-networks/

Komentari

Prikaz odobrenih komentara je dostupan. Slanje novih komentara biće uključeno kada se završe zaštita od zloupotreba i urednička moderacija.