論文の概要: Look Once, Beam Twice: Camera-Primed Real-Time Double-Directional mmWave Beam Management for Vehicular Connectivity
- arxiv url: http://arxiv.org/abs/2605.05071v1
- Date: Wed, 06 May 2026 16:07:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.920625
- Title: Look Once, Beam Twice: Camera-Primed Real-Time Double-Directional mmWave Beam Management for Vehicular Connectivity
- Title（参考訳）: 一度見てみろ、ビームツイス:カメラによる実時間2方向m波ビーム管理
- Abstract要約: ミリ波(mmWave)は、V2Xネットワークのマルチギガビット接続を約束する。
信頼性の高いV2X接続には高速で双方向のビームアライメントが必要である。
本稿では,リアルタイムミリ波ビーム管理のためのハイブリッドモデルベースクローズドループ学習アーキテクチャであるVision-based BEamforming(VIBE)を提案する。
- 参考スコア（独自算出の注目度）: 4.279449367355336
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Millimeter-wave (mmWave) frequencies promise multi-gigabit connectivity for vehicle-to-everything (V2X) networks, but face challenges in terms of severe path loss and mobility-related beam misalignment. Reliable V2X connectivity requires fast, double-directional beam alignment. However, existing methods suffer from high training overhead and limited generalization to unseen scenarios. This paper presents VIsion-based BEamforming(VIBE), a hybrid model-based, closed-loop, learning architecture for real-time double-directional mmWave beam management primed by camera sensing. VIBE fuses machine learning, model-based reasoning, and closed-loop RF feedback to balance beam-pair establishment latency with link quality. VIBE bypasses exhaustive training overhead and accelerates link establishment by leveraging camera observations to reduce the beam-search space. Lightweight beam refinement and offset tracking mechanisms adaptively refine beams in response to dynamic application requirements. VIBE is implemented and evaluated across online indoor/outdoor testbeds, public datasets, and real-time vehicular experiments, demonstrating strong generalization capabilities, making it suitable for real-time V2X communication. Comparisons with 5G NR hierarchical beamforming show that VIBE consistently maintains lower outage rates. Furthermore, VIBE outperforms state-of-the-art end-to-end ML models for beam selection when evaluated on public datasets and achieves outage rates as low as 1.1-1.4 %. The results show that a hybrid model-based, closed-loop learning architecture is better suited for real-world mmWave vehicular connectivity than end-to-end trained ML models. For reproducibility, we publish our code to https://github.com/UNL-CPN-Lab/Look-Once-Beam-Twice.
- Abstract（参考訳）: ミリ波(mmWave)周波数は、V2Xネットワークのマルチギガビット接続を約束するが、重い経路損失と移動関連ビームの不整合の点で困難に直面している。
信頼性の高いV2X接続には高速で双方向のビームアライメントが必要である。
しかし、既存の手法は訓練のオーバーヘッドが高く、目に見えないシナリオへの一般化が限られている。
本稿では,カメラセンシングによるリアルタイム2方向mWaveビーム管理のためのハイブリッドモデルベースクローズドループ学習アーキテクチャであるVision-based BEamforming(VIBE)を提案する。
VIBEは機械学習、モデルベース推論、クローズループRFフィードバックを融合させ、ビームペア設置遅延とリンク品質のバランスをとる。
VIBEは、徹底的なトレーニングのオーバーヘッドを回避し、カメラ観測を活用してビーム探索スペースを削減することでリンク確立を加速する。
軽量ビームリファインメントとオフセットトラッキング機構は、動的応用要求に応じてビームを適応的にリファインティングする。
VIBEは、オンライン屋内/屋外テストベッド、パブリックデータセット、およびリアルタイム車両実験で実装および評価され、強力な一般化能力を示し、リアルタイムV2X通信に適している。
5G NRの階層ビームフォーミングと比較すると、VIBEは一貫して低停止率を維持している。
さらに、VIBEは、パブリックデータセットで評価された場合、ビーム選択のための最先端のエンドツーエンドMLモデルよりも優れ、1.1～1.4%のダウン率を達成する。
その結果、ハイブリッドモデルに基づくクローズドループ学習アーキテクチャは、エンド・ツー・エンドの訓練されたMLモデルよりも現実のmmWaveの車体接続に適していることがわかった。
再現性のため、https://github.com/UNL-CPN-Lab/Look-Once-Beam-Twice.comにコードを公開します。
関連論文リスト
- Multi-Modal Sensing and Fusion in mmWave Beamforming for Connected Vehicles: A Transformer Based Framework [1.7834756213254652]
このようなオーバーヘッドを減らすための代替手段として,マルチモーダルセンシングと融合学習フレームワークを提案する。
本フレームワークでは,まず,モダリティ特定エンコーダによるセンサモードから代表的特徴を抽出し,マルチヘッド・クロスモーダル・アテンションを用いて,異なるモダリティ間の依存関係と相関関係を学習する。
提案手法は, 最大96.72%の精度でトップ15ビームを正確に予測し, (ii) 平均電力損失が約0.77dBとなり, (iii) それぞれ86.81%, 76.56%向上した。
論文 参考訳（メタデータ） (2026-02-14T05:12:06Z) - Neural Beamforming with Doppler-Aware Sparse Attention for High Mobility Environments [35.90167049594104]
深層学習に基づくビームフォーミングは、チャネル状態情報からビームフォーミングウェイトへの非線形マッピングの代替を提供する。
トランスフォーマーベースのモデルは、時間と周波数にまたがる長距離依存をモデル化できるため、特に効果的である。
近年の研究では、チャンネルダイナミクスを無視したパターンをしばしば採用するが、維持中の複雑さを減少させるスパースアテンション機構によってこの問題に対処している。
論文 参考訳（メタデータ） (2025-11-05T16:51:26Z) - CAR-BRAINet: Sub-6GHz Aided Spatial Adaptive Beam Prediction with Multi Head Attention for Heterogeneous Vehicular Networks [4.84929109771831]
ヘテロジニアスVehicular Networks (HetVNets) は、5G/B5G vehicular Networkの多様な接続要件を満たすために、サブ6GHz、mm波、DSRCなどの様々な通信技術を積み重ねることによって重要な役割を果たす。
HetVNetは、ユーザーからの厳しい要求に対処するのに役立つ。
本稿では,畳み込みニューラルネットワークと強力なマルチヘッドアテンション機構を組み合わせた,軽量な深層学習型ソリューションCAR-BRAINetを提案する。
論文 参考訳（メタデータ） (2025-09-02T05:17:23Z) - FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems [51.15230303652732]
FLEX (F Low Expert) は、時間物理系の生成モデリングのためのバックボーンアーキテクチャである。
拡散モデルにおける速度場の分散を低減し、トレーニングの安定化に役立つ。
少数の特徴を2つの逆拡散ステップとして用いて、超解像および予測タスクの正確な予測を行う。
論文 参考訳（メタデータ） (2025-05-23T00:07:59Z) - World Model-Based Learning for Long-Term Age of Information Minimization in Vehicular Networks [53.98633183204453]
本稿では,車載ネットワークにおけるパケット完全性認識情報(CAoI)の年齢を最小化するために,新しい世界モデルに基づく学習フレームワークを提案する。
mmWave V2X環境の動的モデルを共同で学習し、リンクスケジューリングの方法を学ぶための軌跡を想像するために使用する世界モデルフレームワークを提案する。
特に、長期的な政策は環境相互作用の代わりに、異なる想像軌道で学習される。
論文 参考訳（メタデータ） (2025-05-03T06:23:18Z) - FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。
自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。
PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。
FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。
この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
論文 参考訳（メタデータ） (2025-03-25T15:04:53Z) - Self-Organizing mmWave MIMO Cell-Free Networks With Hybrid Beamforming:
A Hierarchical DRL-Based Design [30.70798412145064]
セルフリー無線ネットワークにおいて、分散アクセスポイント(AP)は、同じ時間/周波数リソースを用いて、カバーエリア内のすべてのユーザ機器(UE)を共同で提供する。
深層学習(DRL)に基づく複数のネットワーク分割を提案する。
異なるセルフリーワーク間の干渉を設計するために,新しいハイブリッドビームストデジタルビームモデルを開発した。
論文 参考訳（メタデータ） (2021-03-17T03:31:52Z) - Terahertz-Band Joint Ultra-Massive MIMO Radar-Communications:
Model-Based and Model-Free Hybrid Beamforming [45.257328085051974]
テラヘルツ(THz)バンドにおける無線通信とセンシングを,有望な短距離技術として検討した。
THz通信では、伝搬損失を補償する超大質量マルチ入力マルチ出力(UM-MIMO)アンテナシステムが提案されています。
我々は,新しいgroup-of-subarrays (gosa) um-mimo構造のためのモデルベースおよびモデルフリー技術に基づくthzハイブリッドビームフォーマを開発した。
論文 参考訳（メタデータ） (2021-02-27T21:28:34Z)
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。