論文の概要: AIRMap -- AI-Generated Radio Maps for Wireless Digital Twins

• arxiv url: http://arxiv.org/abs/2511.05522v1
• Date: Tue, 28 Oct 2025 15:15:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-16 06:38:31.013366
• Title: AIRMap -- AI-Generated Radio Maps for Wireless Digital Twins
• Title（参考訳）: AIRMap -- 無線デジタル双発機のためのAI生成無線マップ
• Authors: Ali Saeizadeh, Miead Tehrani-Moayyed, Davide Villa, J. Gordon Beattie, Pedram Johari, Stefano Basagni, Tommaso Melodia,
• Abstract要約: 超高速無線マップ推定のためのディープラーニングフレームワークを提案する。 AirMapはNVIDIA L40Sで、推論毎に5dB RMSE以下でパスゲインを予測する。 フィールド測定の20%しか使用していない軽量な移動学習校正は、中央値の誤差を約10%に削減する。
• 参考スコア（独自算出の注目度）: 7.32219702732606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate, low-latency channel modeling is essential for real-time wireless network simulation and digital-twin applications. Traditional modeling methods like ray tracing are however computationally demanding and unsuited to model dynamic conditions. In this paper, we propose AIRMap, a deep-learning framework for ultra-fast radio-map estimation, along with an automated pipeline for creating the largest radio-map dataset to date. AIRMap uses a single-input U-Net autoencoder that processes only a 2D elevation map of terrain and building heights. Trained and evaluated on 60,000 Boston-area samples, spanning coverage areas from 500 m to 3 km per side, AIRMap predicts path gain with under 5 dB RMSE in 4 ms per inference on an NVIDIA L40S -- over 7000x faster than GPU-accelerated ray tracing based radio maps. A lightweight transfer learning calibration using just 20% of field measurements reduces the median error to approximately 10%, significantly outperforming traditional simulators, which exceed 50% error. Integration into the Colosseum emulator and the Sionna SYS platform demonstrate near-zero error in spectral efficiency and block-error rate compared to measurement-based channels. These findings validate AIRMap's potential for scalable, accurate, and real-time radio map estimation in wireless digital twins.
• Abstract（参考訳）: リアルタイム無線ネットワークシミュレーションとデジタルツインアプリケーションには,高精度で低遅延なチャネルモデリングが不可欠である。 しかし、レイトレーシングのような従来のモデリング手法は計算的に要求され、動的条件のモデル化には適していない。 本稿では,超高速無線マップ推定のためのディープラーニングフレームワークであるAIRMapと,これまでで最大の無線マップデータセットを自動生成するパイプラインを提案する。 AIRMapは単一入力のU-Netオートエンコーダを使用し、地形と建物の高さの2次元高度マップのみを処理する。 AIRMapは、6万のボストンエリアのサンプルをトレーニング、評価し、1辺あたり500mから3kmの範囲でカバーし、NVIDIA L40Sの推論で5dB RMSE未満のパス増加を予測している。 フィールド測定の20%しか使用しない軽量な移動学習校正は、中央値の誤差を約10%に削減し、50%を超える従来のシミュレータを著しく上回っている。 ColosseumエミュレータとSionna SYSプラットフォームとの統合は、測定ベースのチャネルと比較してスペクトル効率とブロックエラー率のほぼゼロの誤差を示す。 これらの結果は、無線デジタル双生児におけるAIRMapのスケーラビリティ、精度、リアルタイム無線マップ推定の可能性を検証する。

関連論文リスト

• Sionna RT: Technical Report [55.30691098976664]
  SionnaはオープンソースのGPUアクセラレーションライブラリで、電波伝搬をシミュレートするレイトレーサを備えている。 本論文は、Sionna RTが電波伝搬を効率的にシミュレートするアルゴリズムについて詳述する。
  論文  参考訳（メタデータ） (2025-04-30T15:05:20Z)
• DRO: Doppler-Aware Direct Radar Odometry [11.042292216861762]
  移動ロボットアプリケーションのためのレーダーによるセンシングのルネッサンスが進行中である。 スピン周波数変調連続波レーダのための新しいSE(2)オドメトリー手法を提案する。 提案手法は,公開データセットから250km以上のオンロードデータに対して検証されている。
  論文  参考訳（メタデータ） (2025-04-29T01:20:30Z)
• RadioFormer: A Multiple-Granularity Radio Map Estimation Transformer with 1\textpertenthousand Spatial Sampling [60.267226205350596]
  電波マップ推定は、電磁スペクトル量の密度の高い表現を生成することを目的としている。 空間スパース観測によって生じる制約に対処する新しい多重粒度変換器であるRadioFormerを提案する。 また,RadioFormerは,最小計算コストを維持しつつ,無線マップ推定における最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-27T08:44:41Z)
• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• Radio Map Prediction from Aerial Images and Application to Coverage Optimization [46.870065000932016]
  畳み込みニューラルネットワークを用いた経路損失無線マップの予測に着目する。 既存の無線地図データセットに対して開発された最先端モデルがこの課題に効果的に適応できることを示す。 UNetDCNと呼ばれる新しいモデルを導入し、複雑さを低減した最先端モデルと比較して、同等以上の性能を実現した。
  論文  参考訳（メタデータ） (2024-10-07T09:19:20Z)
• Robust Vehicle Localization and Tracking in Rain using Street Maps [2.2651698012357473]
  本研究では,道路網を用いた地図情報を用いてドリフト速度推定値の補正を行う車両位置推定手法を提案する。 具体的には, 間欠的なGPS, ドリフトIMU, VO推定を統合したフレキシブルフュージョンアルゴリズムを提案する。 各国の地理的に多様な4つのデータセットに対して,提案手法を強く評価した。
  論文  参考訳（メタデータ） (2024-09-02T08:15:12Z)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)

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。