論文の概要: AI-driven Wireless Positioning: Fundamentals, Standards, State-of-the-art, and Challenges
- arxiv url: http://arxiv.org/abs/2501.14970v1
- Date: Fri, 24 Jan 2025 23:09:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:57:57.049478
- Title: AI-driven Wireless Positioning: Fundamentals, Standards, State-of-the-art, and Challenges
- Title（参考訳）: AIによるワイヤレス位置決め - 基本、標準、最先端、課題
- Authors: Guangjin Pan, Yuan Gao, Yilin Gao, Zhiyong Zhong, Xiaoyu Yang, Xinyu Guo, Shugong Xu,
- Abstract要約: AI/機械学習(ML)ベースの位置決めは、従来の手法の限界を克服するための重要な技術になりつつある。
我々は,AIベースラインオブライト(LOS)/非線形(NLOS)検出における最先端(SOTA)研究,到着時刻(TOA)/到着時刻差(TDOA)推定手法,角度推定技術に焦点を当てた。
- 参考スコア（独自算出の注目度）: 14.624642715139965
- License:
- Abstract: Wireless positioning technologies hold significant value for applications in autonomous driving, extended reality (XR), unmanned aerial vehicles (UAVs), and more. With the advancement of artificial intelligence (AI), leveraging AI to enhance positioning accuracy and robustness has emerged as a field full of potential. Driven by the requirements and functionalities defined in the 3rd Generation Partnership Project (3GPP) standards, AI/machine learning (ML)-based positioning is becoming a key technology to overcome the limitations of traditional methods. This paper begins with an introduction to the fundamentals of AI and wireless positioning, covering AI models, algorithms, positioning applications, emerging wireless technologies, and the basics of positioning techniques. Subsequently, focusing on standardization progress, we provide a comprehensive review of the evolution of 3GPP positioning standards, with an emphasis on the integration of AI/ML technologies in recent and upcoming releases. Based on the AI/ML-assisted positioning and direct AI/ML positioning schemes outlined in the standards, we conduct an in-depth investigation of related research. we focus on state-of-the-art (SOTA) research in AI-based line-of-sight (LOS)/non-line-of-sight (NLOS) detection, time of arrival (TOA)/time difference of arrival (TDOA) estimation, and angle estimation techniques. For Direct AI/ML Positioning, we explore SOTA advancements in fingerprint-based positioning, knowledge-assisted AI positioning, and channel charting-based positioning. Furthermore, we introduce publicly available datasets for wireless positioning and conclude by summarizing the challenges and opportunities of AI-driven wireless positioning.
- Abstract（参考訳）: 無線位置決め技術は、自動運転、拡張現実(XR)、無人航空機(UAV)などの応用において重要な価値を持っている。
人工知能(AI)の進歩により、位置決め精度と堅牢性を高めるためにAIを活用することが、ポテンシャルに満ちた分野として浮上した。
第3世代パートナーシッププロジェクト(3GPP)標準で定義された要件と機能によって、AI/機械学習(ML)ベースの位置決めは、従来の手法の限界を克服するための重要な技術になりつつある。
本稿は、AIモデル、アルゴリズム、位置決めアプリケーション、新しい無線技術、位置決め技術の基礎をカバーする、AIと無線位置決めの基礎について紹介することから始まる。
その後、標準化の進展に焦点をあてて、3GPP位置決め標準の進化を包括的にレビューし、近日および来るべきリリースにおけるAI/MLテクノロジの統合に焦点を当てる。
本稿では,AI/MLを用いた位置決めとAI/ML位置決め手法を基準として,関連研究の詳細な調査を行う。
我々は,AIベースラインオブライト(LOS)/非線形(NLOS)検出における最先端(SOTA)研究,到着時刻(TOA)/到着時刻差(TDOA)推定,角度推定技術に焦点を当てた。
ダイレクトAI/ML測位では,指紋ベースの測位,知識支援型AI測位,チャネルチャートに基づく測位におけるSOTAの進歩について検討する。
さらに、我々は、無線位置決めのための公開データセットを導入し、AI駆動の無線位置決めの課題と機会をまとめて結論付ける。
関連論文リスト
- AI Horizon Scanning -- White Paper p3395, IEEE-SA. Part III: Technology Watch: a selection of key developments, emerging technologies, and industry trends in Artificial Intelligence [0.3277163122167434]
生成人工知能(AI)技術は、Chat-GPTの画期的なリリースに続く前例のない急速な開発段階にある。
AI製品の展開が幾何学的に増加するにつれて、AI技術が提供する脅威と機会にかなりの注意が向けられている。
この写本は、IEEE-SA の p3995 It Standard for implementation of Safeguards, Controls, and Preventive Techniques for Artificial Intelligence Models の開発を知らせる一連の白書の3番目のものである。
論文 参考訳（メタデータ） (2024-11-05T19:04:42Z) - On the Combination of AI and Wireless Technologies: 3GPP Standardization Progress [13.799195145459972]
人工知能(AI)と無線通信技術の組み合わせは、2030年に向けた主要な技術トレンドの1つになっている。
AIを使用して、無線伝送の効率を改善し、無線ネットワークによるAIデプロイメントをサポートする。
論文 参考訳（メタデータ） (2024-06-17T00:11:04Z) - Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。
本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。
我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
論文 参考訳（メタデータ） (2024-05-16T02:00:44Z) - Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する
AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。
本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文 参考訳（メタデータ） (2024-02-21T08:29:42Z) - Foundation Model Based Native AI Framework in 6G with Cloud-Edge-End
Collaboration [56.330705072736166]
基礎モデルに基づく6GネイティブAIフレームワークを提案し、意図認識型PFMのカスタマイズアプローチを提供し、新しいクラウド-エッジコラボレーションパラダイムを概説する。
実例として,無線通信システムにおける最大和率を達成するために,このフレームワークをオーケストレーションに適用する。
論文 参考訳（メタデータ） (2023-10-26T15:19:40Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Towards Fairness Certification in Artificial Intelligence [31.920661197618195]
我々は,AIフェアネス認証に必要な運用手順を定義するための最初の共同作業を提案する。
我々は、オフィシャルサービスに入る前にAIシステムが満たすべき基準と、公正な判断のためにその機能を監視するのに役立つ適合性評価手順を概観する。
論文 参考訳（メタデータ） (2021-06-04T14:12:12Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Pervasive AI for IoT Applications: Resource-efficient Distributed
Artificial Intelligence [45.076180487387575]
人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。
これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。
広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
論文 参考訳（メタデータ） (2021-05-04T23:42:06Z) - Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。
人工知能(AI)は近年急速に成長し、成功している。
UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
論文 参考訳（メタデータ） (2020-09-24T07:11:31Z) - Communication-Efficient Edge AI: Algorithms and Systems [39.28788394839187]
エッジデバイス(IoTデバイスなど)の大規模展開は、前例のない規模のデータを生成する。
このような巨大なデータはすべて、処理のためにエンドデバイスからクラウドに送信することはできない。
AIモデルの推論とトレーニングプロセスをエッジノードにプッシュすることで、エッジAIは有望な代替手段として浮上した。
論文 参考訳（メタデータ） (2020-02-22T09:27:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。