論文の概要: Wi-Chat: Large Language Model Powered Wi-Fi Sensing

• arxiv url: http://arxiv.org/abs/2502.12421v1
• Date: Tue, 18 Feb 2025 01:43:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:03:11.360737
• Title: Wi-Chat: Large Language Model Powered Wi-Fi Sensing
• Title（参考訳）: Wi-Chat:大規模言語モデルによるWi-Fiセンシング
• Authors: Haopeng Zhang, Yili Ren, Haohan Yuan, Jingzhe Zhang, Yitong Shen,
• Abstract要約: LLMを利用した最初のWi-Fiによる人間行動認識システムであるWi-Chatを紹介する。 我々は,LLMが生のWi-Fi信号を処理し,Wi-Fiセンシングの原則をプロンプトに組み込むことで,人間の活動を推測できることを示す。
• 参考スコア（独自算出の注目度）: 3.698359226442895
• License:
• Abstract: Recent advancements in Large Language Models (LLMs) have demonstrated remarkable capabilities across diverse tasks. However, their potential to integrate physical model knowledge for real-world signal interpretation remains largely unexplored. In this work, we introduce Wi-Chat, the first LLM-powered Wi-Fi-based human activity recognition system. We demonstrate that LLMs can process raw Wi-Fi signals and infer human activities by incorporating Wi-Fi sensing principles into prompts. Our approach leverages physical model insights to guide LLMs in interpreting Channel State Information (CSI) data without traditional signal processing techniques. Through experiments on real-world Wi-Fi datasets, we show that LLMs exhibit strong reasoning capabilities, achieving zero-shot activity recognition. These findings highlight a new paradigm for Wi-Fi sensing, expanding LLM applications beyond conventional language tasks and enhancing the accessibility of wireless sensing for real-world deployments.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、様々なタスクにまたがる顕著な能力を示している。 しかし、現実世界の信号解釈に物理モデル知識を統合する可能性はほとんど解明されていない。 本研究では,最初のLCMを用いたWi-Fiによる人間行動認識システムであるWi-Chatを紹介する。 我々は、LLMが生のWi-Fi信号を処理し、Wi-Fiセンシングの原則をプロンプトに組み込むことで、人間の活動を推測できることを実証した。 本手法は,従来の信号処理技術を使わずにチャネル状態情報(CSI)データを解釈する際のLCMの誘導に物理モデルインサイトを利用する。 実世界のWi-Fiデータセットを用いた実験により,LLMは強力な推論能力を示し,ゼロショットのアクティビティ認識を実現する。 これらの知見は、Wi-Fiセンシングのための新しいパラダイム、従来の言語タスクを超えてLLMアプリケーションを拡張し、実世界展開のための無線センシングのアクセシビリティを高めることを強調する。

関連論文リスト

• NetOrchLLM: Mastering Wireless Network Orchestration with Large Language Models [11.015852090523229]
  大規模言語モデル(LLM)は、洗練された自然言語理解機能を活用することで、様々な領域に革命をもたらした。 本稿では、様々な無線固有モデルをシームレスにオーケストレーションする無線ネットワークORCHestrator LLMフレームワークであるNetORCHLLMを提案する。 アプローチの実用性を示す包括的なフレームワークが導入された。
  論文  参考訳（メタデータ） (2024-12-13T12:48:15Z)
• Large Action Models: From Inception to Implementation [51.81485642442344]
  大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。 LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。 創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-13T11:19:56Z)
• WDMoE: Wireless Distributed Mixture of Experts for Large Language Models [68.45482959423323]
  大規模言語モデル(LLM)は様々な自然言語処理タスクにおいて大きな成功を収めた。 本稿では,無線ネットワーク上での基地局(BS)およびモバイルデバイスにおけるエッジサーバ間のLLMの協調展開を実現するために,無線分散Mixture of Experts(WDMoE)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-11-11T02:48:00Z)
• Generative AI-in-the-loop: Integrating LLMs and GPTs into the Next Generation Networks [11.509880721677156]
  大規模言語モデル(LLM)が最近登場し、認知タスクにおけるほぼ人間レベルのパフォーマンスを実証している。 次世代AI-in-the-loop」の概念を提案する。 LLMとMLモデルを組み合わせることで、それぞれの能力を活用し、どちらのモデルよりも優れた結果が得られると考えています。
  論文  参考訳（メタデータ） (2024-06-06T17:25:07Z)
• WirelessLLM: Empowering Large Language Models Towards Wireless Intelligence [16.722524706176767]
  大規模言語モデル(LLM)は、無線通信システムに革命をもたらす可能性への関心を喚起している。 無線システム用LLMの既存の研究は、通信言語理解の直接的な応用に限られている。 本稿では,無線通信ネットワークのユニークな課題と要件に対処するため,LLMの適応と拡張のための総合的なフレームワークである WirelessLLM を提案する。
  論文  参考訳（メタデータ） (2024-05-27T11:18:25Z)
• Large Language Models in Wireless Application Design: In-Context Learning-enhanced Automatic Network Intrusion Detection [11.509880721677156]
  ネットワークの完全自動侵入検知を実現するための,事前学習型LLMフレームワークを提案する。 実際のネットワーク侵入検出データセットの実験により、コンテキスト内学習は極めて有益であることが証明された。 GPT-4では,テスト精度とF1スコアを90%向上できることを示した。
  論文  参考訳（メタデータ） (2024-05-17T02:56:31Z)
• WDMoE: Wireless Distributed Large Language Models with Mixture of Experts [65.57581050707738]
  我々は,Mixture of Experts (MoE)に基づく無線分散大言語モデル(LLM)パラダイムを提案する。 我々は,基地局(BS)とモバイルデバイスにゲーティングネットワークと先行するニューラルネットワーク層を配置することにより,LLM内のMoE層を分解する。 我々は、モデルの性能とエンドツーエンドのレイテンシの両方を考慮して、専門家の選択ポリシーを設計する。
  論文  参考訳（メタデータ） (2024-05-06T02:55:50Z)
• Penetrative AI: Making LLMs Comprehend the Physical World [3.0266193917041306]
  大きな言語モデル(LLM)は、様々なタスクにまたがる顕著な機能を示しています。 本稿は,IoTセンサとアクチュエータを用いて,LLMを物理的世界と相互作用し,推論するために拡張する方法について検討する。
  論文  参考訳（メタデータ） (2023-10-14T15:48:15Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• Wireless for Machine Learning [91.13476340719087]
  我々は、分散データセット上で機械学習サービスをサポートするように設計された最先端のワイヤレス手法について、徹底的にレビューする。 文献にはアナログ・オーバー・ザ・エア計算とMLに最適化されたデジタル無線リソース管理という2つの明確なテーマがある。 このサーベイは、これらのメソッドを包括的に紹介し、最も重要な研究をレビューし、オープンな問題を強調し、アプリケーションのシナリオについて議論する。
  論文  参考訳（メタデータ） (2020-08-31T11:09:49Z)
• Applying Deep-Learning-Based Computer Vision to Wireless Communications: Methodologies, Opportunities, and Challenges [100.45137961106069]
  ディープラーニング(DL)はコンピュータビジョン(CV)分野で大きな成功を収めている。 本稿では,無線通信におけるDLベースのCVの適用について紹介する。
  論文  参考訳（メタデータ） (2020-06-10T11:37:49Z)

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。