Há um ano, a NVIDIA abriu o código de seu software Aerial wireless, juntando-se ao Sionna e a um conjunto mais amplo de ferramentas de código aberto para acelerar o desenvolvimento de redes 6G de próxima geração. Juntas, elas fornecem aos pesquisadores uma base para testar ideias, comparar resultados e ampliar o trabalho uns dos outros — conectando simulação e treinamento de AI com experimentos em sistemas reais de comunicação sem fio over-the-air. Hoje, pesquisadores e desenvolvedores estão usando essas ferramentas para construir redes prontas para 6G que fazem mais do que apenas transmitir dados — recebem sinais de forma mais eficaz, mantêm robôs e sistemas autônomos conectados quando isso é mais crítico, e se adaptam em tempo real conforme os dispositivos se deslocam pelo mundo. No último ano, a adoção global por desenvolvedores do software NVIDIA AI Aerial e NVIDIA Sionna cresceu 10 vezes, enquanto as ferramentas de código aberto da NVIDIA para 5G/6G ultrapassaram 1 milhão de downloads. Mais de 8.000 instituições de pesquisa e acadêmicas em todo o mundo utilizam essas plataformas. Os projetos que surgem hoje oferecem uma visão de como as redes futuras podem ser. Cada um aborda um desafio diferente, mas, juntos, apontam para uma ambição maior de construir redes 6G nativas de AI que forneçam conectividade, computação e sensoriamento em uma plataforma convergente definida por software para bilhões de pessoas, máquinas e agentes. Redes que Ajudam Robôs a Reagir Mais Rápido Um robô que está pegando um objeto precisa entender o ambiente ao seu redor e agir antes que ele mude. Quando a AI que alimenta essa decisão roda em um servidor próximo ou na nuvem, a conexão sem fio se torna parte do tempo de resposta. Pesquisadores estão explorando uma abordagem mais eficiente chamada comunicações semânticas orientadas a metas. Em vez de enviar imagens completas, os robôs transmitem descrições compactas dos objetos, suas posições e relações. Transmitir apenas a quantidade de informação necessária permite que os robôs respondam mais rapidamente, especialmente em ambientes dinâmicos como fábricas e armazéns. Na King’s College London, pesquisadores conectaram um braço robótico equipado com câmera a
Fonte: NVIDIA AI Blog
Publicado em 2026-11-06