엔비디아(NVIDIA)가 11월 7일 한국시간 기준 공식 블로그를 통해 오픈소스 5G·6G 도구의 다운로드가 100만 회를 넘었다고 밝혔다. AI 에어리얼(AI Aerial)과 시오나(Sionna)의 개발자 채택은 지난 1년간 10배로 늘었으며, 이 플랫폼들을 활용하는 연구·학술기관은 세계 8,000곳이 넘는다고 설명했다. 에어리얼 무선 소프트웨어 공개 1년을 맞아 로봇 통신, 신호 수신, 기지국 전력관리 등의 연구 사례도 소개했다.
킹스칼리지런던(King’s College London) 연구진은 카메라가 달린 로봇팔과 젯슨 AGX 오린(Jetson AGX Orin)을 연결했다. 이 장치에서 시오나를 실행해 소프트웨어 정의 5G망과 엣지 AI 처리를 지원했다. 전체 이미지를 주기적으로 보내는 방식 대신 물체와 위치·관계를 압축해 전달하는 접근을 시험했다. 오류를 의도적으로 넣은 과일 포장·큐브 쌓기 실험에서 과제 완료 시간이 최대 52.6% 줄었고 성공률도 개선됐다. 시스템은 떨어진 물체를 감지하고 실패한 동작에서 복구했으며, 디지털 트윈을 사용하는 구성에서는 예정된 움직임의 충돌 가능성을 실행 전에 점검했다.
소프트뱅크(SoftBank)는 상용 5G 스마트폰과 신경망 수신기를 이용한 통제된 간섭 시험에서 기존 수신기 대비 상향 전송 처리량이 최대 약 60% 높아졌다고 보고했다. 신경망 수신기는 에어리얼 CUDA 가속 무선접속망(ACAR)에 통합됐고, 시험한 15개 설정 모두에서 기존 수신기보다 높은 상향 처리량을 보였다. ETH 취리히(ETH Zurich) 연구진은 에어리얼 테스트베드를 이용해 신경망 수신기를 현지 측정값으로 조정했다. 그 결과 비교 대상으로 선정한 사전학습 버전들보다 블록 오류율이 3분의 1 넘게 낮아졌다. 수신기가 실제 운용 환경의 측정값을 학습하도록 한 시험 결과다.
| 연구 주체 | 비교 조건 | 보고 결과 |
|---|---|---|
| 킹스칼리지런던 | 주기적 이미지 전송 대비, 오류를 넣은 로봇 작업 | 완료 시간 최대 52.6% 단축 |
| 소프트뱅크 | 기존 수신기 대비, 간섭이 있는 15개 시험 설정 | 모든 설정에서 상향 처리량 개선, 최대 약 60% |
| ETH 취리히 | 현지 측정값으로 조정, 선정된 사전학습 버전들과 비교 | 블록 오류율 3분의 1 초과 감소 |
| 리즈대학교 | 전체 가동 기준 대비, 단말 연결 유지 | 무선접속망 전력소비 45.6% 감소 |
| CTTC | GPU 가속 채널 모델 결합 초기 평가, 예상 통계적 거동·망 성능 유지 | 실행 시간 약 3시간→10~20분 |
리즈대학교(University of Leeds)는 10분 뒤 통신 수요를 예측해 기지국의 절전 여부를 결정하는 시스템을 개발했다. 인근의 켜진 기지국이 단말 연결을 이어받을 수 있는지 확인하고, 용량을 복원해야 하는 변화도 감시한다. DGX 스파크(DGX Spark) 기반 휴대형 5G망과 디지털 트윈을 이용한 시험에서는 단말 연결을 유지하면서 무선접속망 전력소비를 전체 가동 기준보다 45.6% 줄였다고 연구진은 밝혔다.
카탈루냐 통신기술센터(CTTC)는 ACAR에서 실행되는 GPU 가속 무선 채널 모델을 오픈소스 시뮬레이터 5G-LENA에 결합했다. 초기 평가에서 약 3시간이던 실행 시간이 통합 방식에 따라 10~20분으로 줄었으며, 예상되는 통계적 거동과 네트워크 성능은 유지됐다. 이 모델은 안테나와 단말 사이에서 무선 신호가 전달되는 방식을 계산한다. 각 수치는 서로 다른 실험의 결과이며 상용 6G망 전체의 성능을 뜻하지 않는다. 엔비디아는 이번 글에서 소개한 연구 방식의 상용망 도입 일정이나 구축비를 밝히지 않았다.
저작권자 © STORIUM 무단전재 및 재배포 금지
