論文の概要: FAWN: A MultiEncoder Fusion-Attention Wave Network for Integrated Sensing and Communication Indoor Scene Inference

• arxiv url: http://arxiv.org/abs/2509.14968v1
• Date: Thu, 18 Sep 2025 14:01:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.252441
• Title: FAWN: A MultiEncoder Fusion-Attention Wave Network for Integrated Sensing and Communication Indoor Scene Inference
• Title（参考訳）: FAWN:マルチエンコーダフュージョン・アテンション・ウェーブネットワーク
• Authors: Carlos Barroso-Fernández, Alejandro Calvillo-Fernandez, Antonio de la Oliva, Carlos J. Bernardos,
• Abstract要約: ISAC(Integrated Sensing and Communication)はこの課題に対処する一歩を踏み出した。 ISAC内では、受動的センシングは、環境を感知するために無線通信を再利用するコスト効率の高いソリューションとして出現する。 本稿では,ISAC屋内シーン推論のためのマルチエンコーダフュージョン・アテンション・ウェーブ・ネットワークであるFAWNについて述べる。
• 参考スコア（独自算出の注目度）: 37.64350195018071
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The upcoming generations of wireless technologies promise an era where everything is interconnected and intelligent. As the need for intelligence grows, networks must learn to better understand the physical world. However, deploying dedicated hardware to perceive the environment is not always feasible, mainly due to costs and/or complexity. Integrated Sensing and Communication (ISAC) has made a step forward in addressing this challenge. Within ISAC, passive sensing emerges as a cost-effective solution that reuses wireless communications to sense the environment, without interfering with existing communications. Nevertheless, the majority of current solutions are limited to one technology (mostly Wi-Fi or 5G), constraining the maximum accuracy reachable. As different technologies work with different spectrums, we see a necessity in integrating more than one technology to augment the coverage area. Hence, we take the advantage of ISAC passive sensing, to present FAWN, a MultiEncoder Fusion-Attention Wave Network for ISAC indoor scene inference. FAWN is based on the original transformers architecture, to fuse information from Wi-Fi and 5G, making the network capable of understanding the physical world without interfering with the current communication. To test our solution, we have built a prototype and integrated it in a real scenario. Results show errors below 0.6 m around 84% of times.
• Abstract（参考訳）: 次世代のワイヤレス技術は、あらゆるものが相互接続されインテリジェントな時代を約束します。 インテリジェンスの必要性が高まるにつれて、ネットワークは物理的な世界をよりよく理解しなくてはならない。 しかし、専用のハードウェアを配置して環境を理解することは、主にコストや複雑さのために、必ずしも実現不可能であるとは限らない。 ISAC(Integrated Sensing and Communication)はこの課題に対処する一歩を踏み出した。 ISAC内では、受動的センシングは、既存の通信に干渉することなく、環境を感知するために無線通信を再利用するコスト効率の高いソリューションとして出現する。 しかしながら、現在のソリューションの大半は1つの技術(主にWi-Fiまたは5G)に限定されており、到達可能な最大精度を制限している。 異なる技術が異なるスペクトルで動くようになれば、カバー範囲を増やすために複数の技術を統合する必要が出てくる。 そこで,ISAC屋内シーン推論のためのマルチエンコーダフュージョン・アテンション・ウェーブ・ネットワークであるFAWNについて,ISAC受動的センシングの利点を生かした。 FAWNは、Wi-Fiと5Gの情報を融合するトランスフォーマーアーキテクチャに基づいており、ネットワークは現在の通信に干渉することなく物理世界を理解することができる。 ソリューションをテストするため、プロトタイプを構築し、実際のシナリオに統合しました。 結果は0.6m以下で84%の誤差を示している。

関連論文リスト

• SAWEC: Sensing-Assisted Wireless Edge Computing [7.115682353265054]
  本稿では,この問題に対処する新しいセンサ支援無線エッジコンピューティング(SAWEC)パラダイムを提案する。 我々は,無線センシング技術を活用し,環境中の物体の位置を推定し,環境力学に関する洞察を得る。 実験の結果,SAWECはチャネル占有率と終端遅延を90%以上削減することがわかった。
  論文  参考訳（メタデータ） (2024-02-15T15:39:46Z)
• On the Interplay of Artificial Intelligence and Space-Air-Ground Integrated Networks: A Survey [1.5883812630616518]
  Space-Air-Ground Integrated Networks (SAGINs)は、第6世代(6G)無線ネットワークの重要な実現要因である。 本研究では,AIを活用したSAGINにおける最先端研究の総合的な概要を提供することで,AIとSAGINの相互作用を解明することを目的とする。
  論文  参考訳（メタデータ） (2024-01-20T16:10:31Z)
• Hands-on Wireless Sensing with Wi-Fi: A Tutorial [7.8774878397748065]
  このチュートリアルでは、Wi-Fiセンシングを例に挙げる。 データ収集、信号処理、特徴抽出、モデル設計の理論的原則とコード実装の両方を導入している。
  論文  参考訳（メタデータ） (2022-06-20T01:53:35Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Transformer-Empowered 6G Intelligent Networks: From Massive MIMO Processing to Semantic Communication [71.21459460829409]
  トランスフォーマーとして知られる新しいディープラーニングアーキテクチャを導入し、その6Gネットワーク設計への影響について論じる。 具体的には、6GネットワークにおけるMIMO(Multiple-input multiple-output)システムと様々な意味コミュニケーション問題に対するトランスフォーマーベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-08T03:22:20Z)
• Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
  この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。 さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
  論文  参考訳（メタデータ） (2021-01-25T13:01:16Z)
• A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From Communications to Sensing and Intelligence [152.89360859658296]
  5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。 一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。 一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
  論文  参考訳（メタデータ） (2020-10-19T08:56:04Z)
• Swarm Intelligence for Next-Generation Wireless Networks: Recent Advances and Applications [39.38804488121544]
  Swarm Intelligence(SI)は、無線ネットワークのための有望な最適化ツールとして最近登場した。 本稿では,基本的な概念からよく知られた概念まで,SI技術の概要を紹介する。 次世代無線ネットワークにおける新たな課題を解決するためのSIの応用を概観する。
  論文  参考訳（メタデータ） (2020-07-30T04:32:49Z)
• Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
  インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。 IRSは無線チャネルを動的に変更して通信性能を向上させることができる。 その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
  論文  参考訳（メタデータ） (2020-07-06T13:59:09Z)

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。