big_tech
13분 읽기

NVIDIA 6G 오픈소스 도구, 10배 성장...로봇 작업 시간 52.6% 단축

NVIDIA의 6G 오픈소스 도구(AI Aerial, Sionna) 채택이 10배 증가했다. 전 세계 8,000개 연구기관이 활용 중이며, 로봇 작업 시간 52.6% 단축, AI 신호 수신 성능 60% 향상, 네트워크 전력 45.6% 절감, 시뮬레이션 시간 3시간→10분으로 단축 등 구체적 성과를 기록했다.

AIB프레스 편집팀
2026.11.08
NVIDIA 6G 오픈소스 도구, 10배 성장...로봇 작업 시간 52.6% 단축

엔비디아가 6G 개발용 오픈소스 도구 채택이 지난해 대비 10배 증가했다고 발표했다. AI Aerial과 Sionna 등 오픈소스 무선 소프트웨어 다운로드가 100만 건을 넘었으며, 전 세계 8,000개 이상의 연구기관과 대학이 이들 도구를 활용 중이다.

엔비디아는 1년 전 자체 에어리얼(Aerial) 무선 소프트웨어를 공개한 데 이어 Sionna 및 광범위한 오픈소스 도구 스위트를 공개했다. 이 도구들은 연구자들에게 아이디어를 테스트하고 결과를 비교하며 상호 작업물을 기반으로 연구를 진행할 수 있는 토대를 제공한다. 시뮬레이션과 AI 학습을 실제 무선 통신 실험과 연결하는 것이 특징이다.

현재 연구자들과 개발자들은 이 도구들을 활용해 단순히 데이터를 전송하는 데 그치지 않는 6G 네트워크를 구축 중이다. 신호를 더 효과적으로 수신하고, 로봇과 자율주행 시스템의 연결을 안정적으로 유지하며, 기기가 세상을 이동하면서 실시간으로 적응하는 네트워크를 만들고 있다.

로봇의 반응시간을 단축하다

런던 킹스칼리지 연구진은 카메라 장착 로봇 팔을 NVIDIA 제톤 AGX 오린에 연결하고 Sionna를 실행해 결과를 얻었다. 소프트웨어 정의 5G 네트워크와 엣지 AI 처리를 동시에 지원하는 환경에서, 의도적으로 결함을 도입한 과자 포장 및 정육면체 쌓기 실험을 진행했다.

기존의 정기적인 이미지 전송 방식 대신, 로봇이 객체의 컴팩트한 설명(위치, 관계 등)만 전송하는 '목표 지향 의미론적 통신' 방식을 적용했다. 필요한 정보만 전송함으로써 로봇의 작업 완료 시간이 최대 52.6% 단축되고 작업 성공률도 개선됐다. 또한 처리 오버헤드가 줄어들 뿐 아니라 낙하된 물체 감지, 실패 복구, 디지털 트윈을 활용한 충돌 위험 사전 확인 등에서도 복원력이 향상됐다.

신호 수신 성능을 AI로 학습시키다

소방관이 드론 영상을 받거나 실종자 수색팀이 현장 정보를 받을 때, 적시에 이미지를 받는 것이 중대한 의사결정의 열쇠가 된다. 하지만 간섭과 변화하는 무선 상황은 신호 해독을 어렵게 만들어 오류와 재전송을 초래한다.

AI 리시버(수신기)는 수신 신호에서 정보를 더 효과적으로 복구하도록 학습된다. 더 나은 수신은 대응팀이 화재 현장이나 수색 지역을 더 명확하고 최신의 상태로 파악하는 데 도움이 된다.

소프트뱅크는 신경망 리시버를 NVIDIA AI Aerial CUDA 가속 RAN(ACAR)에 통합해 상용 5G 스마트폰으로 테스트했다. 간섭이 있는 통제된 환경에서 신경망 리시버는 테스트한 15개 설정 모두에서 기존 리시버보다 높은 상향링크 처리량을 보였으며, 최대 약 60% 성능 향상을 기록했다.

스위스 취리히 연공대는 다른 접근을 취했다. NVIDIA Aerial 테스트베드를 활용해 지역 측정값으로 신경망 리시버를 튜닝하면 기존 사전 학습 모델 대비 블록 오류율이 1/3 이상 감소함을 확인했다.

네트워크가 전력 절약 타이밍을 학습하다

6G가 더 많은 기기를 연결하고 더 많은 AI 애플리케이션을 지원하면서 에너지 수요 관리는 점점 더 중요해질 것이다. 경기장이 만석일 때와 군중이 떠났을 때의 필요 용량은 극명하게 다르다.

AI는 여유 용량을 언제 끌 수 있고 언제 다시 켜야 하는지 파악해, 통신사가 연결을 유지하면서 전기 사용량을 줄일 수 있게 한다. 리즈대학 연구팀은 10분 뒤의 네트워크 수요를 예측하고 그 예측값으로 기지국 절전 결정을 안내하는 시스템을 개발했다. 전력 절감 전에는 인접한 활성 기지국이 해당 기기를 계속 서빙할 수 있는지 확인하고, 용량 복구가 필요한 변화를 감시한다.

팀은 NVIDIA DGX Spark로 구동하는 휴대식 5G 'network-in-a-box'와 실제 무선 장비에 대한 결정을 검증하는 디지털 트윈을 활용해 테스트했다. 결과적으로 완전 전력 기준 대비 RAN 전력 소비가 45.6% 감소하면서도 기기 연결성은 유지됐다.

배포 전에 더 빠르게 테스트하다

수백 개 기기가 연결을 놓고 경쟁하거나 무선 신호가 간섭을 만날 때 네트워크가 어떻게 동작할지 미리 알아야 한다. 현실적인 시뮬레이션은 비용이 많이 드는 장비 투자와 현장 시험 전에 설계를 평가하는 데 필수다. 그런데 정교한 시뮬레이션에 수 시간이 걸리면 연구자들이 탐색할 수 있는 아이디어 수가 제한된다.

카탈루냐 통신기술센터(CTTC)는 이 문제를 해결했다. GPU 가속 라디오 채널 모델을 ACAR에서 실행하고 이를 CTTC의 오픈소스 5G-LENA 네트워크 시뮬레이터에 통합했다. 이 모델은 안테나와 기기 사이의 무선 신호 전파 방식을 계산하는데, 시뮬레이션되는 네트워크가 커질수록 연산 부담이 급증한다.

초기 평가 결과, 시뮬레이션 런타임이 약 3시간에서 통합 방식에 따라 10~20분으로 단축됐으며 예상된 통계 거동과 네트워크 성능도 보존됐다. 더 빠른 시뮬레이션은 연구자들이 더 많은 설계를 비교하고, 더 까다로운 시나리오를 조사하며, 아이디어를 더 빨리 개선할 수 있게 한다. 업계가 6G를 개발하면서 이는 제안된 혁신에서 철저히 평가된 네트워크 설계까지의 경로를 단축할 수 있고, 팀이 실제 배포 전에 더 나은 연결성을 구축하는 데 도움이 될 것이다.

편집 안내 | 이 기사는 AI 기술을 활용하여 글로벌 뉴스 소스를 분석·종합한 후, AIB프레스 편집팀의 검수를 거쳐 발행되었습니다. 정확한 정보 전달을 위해 노력하고 있으며, 원문 출처를 함께 제공합니다.

NVIDIA
AI
오픈소스
6G
무선통신
네트워크

AI·테크 핵심 뉴스, 매주 한 통으로

한 주의 글로벌 AI·IT 뉴스 중 꼭 알아야 할 것만 골라 보내드립니다. 광고 없음, 언제든 해지.

관련 기사