論文の概要: Physical-AI: From Channel Awareness to Environmental Intelligence in 6G Wireless Networks
- arxiv url: http://arxiv.org/abs/2606.20583v1
- Date: Tue, 12 May 2026 09:02:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 19:20:52.142048
- Title: Physical-AI: From Channel Awareness to Environmental Intelligence in 6G Wireless Networks
- Title（参考訳）: 物理AI:6G無線ネットワークにおけるチャネル認識から環境情報へ
- Abstract要約: 従来の無線ネットワークは、物理的環境を明示的にモデル化することなく、瞬時チャネル状態情報(CSI)に依存し、チャネルの変動に反応する。
本研究では,環境に配慮した無線ネットワークのための新しいアーキテクチャであるPhysical-AIを提案する。
提案手法は,特にビームスイッチング遅延の増加にともなって,停止確率とブロック応答遅延を低減させる。
- 参考スコア（独自算出の注目度）: 100.92510794177822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conventional wireless networks rely on instantaneous channel state information (CSI) and react to channel variations without explicitly modeling the physical environment, limiting their ability to handle blockage, mobility, and interference in dynamic deployments. Paradigms such as Integrated Sensing and Communication (ISAC) add sensing capabilities but lack explicit environment modeling and decision-making. In this article, we propose Physical-AI: a new architecture for environment-aware wireless networking, where radio signals enable sensing, modeling, and interaction with the environment in addition to data transmission. The framework proposes a self-supervised spatiotemporal radio foundation model for transforming distributed radio observations into a shared latent environmental representation. Multiple inference heads operate on this representation to estimate key environmental properties, including blockage, user distribution, mobility dynamics, and interference structure. A task-specific neural decision layer maps this representation to proactive, context-aware control actions. By integrating perception, world modeling, and decision-making in a closed loop, the proposed framework goes beyond ISAC and establishes Physical-AI as a promising architecture for intelligent 6G systems. Simulation results show that the proposed predictive framework reduces outage probability and blockage-response latency, particularly under increasing beam-switching delays.
- Abstract（参考訳）: 従来の無線ネットワークは、物理的環境を明示的にモデル化することなく、即時チャネル状態情報(CSI)に依存し、動的デプロイメントにおけるブロック、モビリティ、干渉を処理する能力を制限する。
ISAC(Integrated Sensing and Communication)のようなパラダイムは、センサー機能を追加するが、明示的な環境モデリングと意思決定は欠如している。
本稿では,環境に配慮した無線ネットワークのための新しいアーキテクチャであるPhysical-AIを提案する。
このフレームワークは、分散電波観測を共有潜在環境表現に変換するための、自己教師付き時空間電波基礎モデルを提案する。
複数の推論ヘッドは、ブロック、ユーザ分布、移動力学、干渉構造を含む主要な環境特性を推定するために、この表現を操作する。
タスク固有の神経決定層は、この表現をプロアクティブでコンテキスト対応の制御アクションにマッピングする。
認識、世界モデリング、意思決定をクローズドループに統合することにより、提案するフレームワークはISACを超え、インテリジェントな6Gシステムのための有望なアーキテクチャとしてPhysical-AIを確立する。
シミュレーションの結果,提案した予測フレームワークは,特にビームスイッチング遅延の増加下で,停止確率とブロック応答遅延を低減させることがわかった。
関連論文リスト
- 6G Sensing Security: Distributed Game-Theoretic RL for Urban Beamforming and Attacker Detection [6.141945506223323]
ISACにより、システムは効率的に情報を送信し、チャンネルのバリエーションやユーザの振る舞いを観察し、解釈することができる。
この能力に触発された本研究は、都市環境シナリオにおけるアクティブアタッカーの検出に焦点を当てる。
正規ユーザと攻撃者のインタラクションをモデル化するためにゲーム理論のアプローチを適用し、その結果のユーティリティベースの定式化を強化学習フレームワークに統合する。
論文 参考訳（メタデータ） (2026-07-07T10:25:46Z) - World Model-Enabled Causal Digital Twins for Semantic Communications in Physical AI Systems [37.02293452905313]
本稿では,クローズドループセンシング-通信-推論制御を用いた物理AIシステムにおける目標指向のセマンティックコミュニケーションについて検討する。
特に、セマンティック通信の問題は、無線ビット予算制約の下で、ビット当たりの長期的な戻り値として定式化される。
閉ループAIシステムのダイナミクスを捉えるために,世界モデル対応因果デジタルツイン(WM-CDT)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-15T18:41:51Z) - Robust Cross-Domain WiFi Fall Detection via Physics-Driven Attention-Enhanced Transformers [64.35403680946182]
WiFiチャンネル状態情報(CSI)を利用したデバイスフリーの転倒検出が,高齢者の健康モニタリングのための有望なソリューションとして浮上している。
既存のディープラーニングアプローチでは、目に見えない環境にデプロイされた場合、パフォーマンスが大幅に低下する。
本稿では,新しいCNN-Transformerハイブリッドアーキテクチャを特徴とする,堅牢で汎用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-23T03:28:12Z) - Networking-Aware Energy Efficiency in Agentic AI Inference: A Survey [64.20429885919701]
本稿では,知覚・推論・行動サイクル全体にわたる計算・通信コストを同定するエネルギー会計フレームワークを提案する。
我々は、単純化、計算制御、インプット・アンド・アテンション最適化、ハードウェア・アウェア・推論にまたがる統一的な分類法を確立する。
我々は,第6世代移動通信(6G)ネイティブエージェントAI,自己維持システムといったグリーンラーニングのオープンな課題を特定した。
論文 参考訳（メタデータ） (2026-04-09T06:13:59Z) - Topological Neural Networks over the Air [13.291627429657416]
トポロジカルニューラルネットワーク(TNN)は、トポロジカル空間上のデータから表現をモデル化する情報処理アーキテクチャである。
本稿では,無線通信モデルをアーキテクチャに組み込んだ,常連セルコンプレックスを用いた新しいTNN設計を提案する。
論文 参考訳（メタデータ） (2025-02-14T10:45:36Z) - AI Flow at the Network Edge [58.31090055138711]
AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。
この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
論文 参考訳（メタデータ） (2024-11-19T12:51:17Z) - Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User
Experiences [118.91584633024907]
テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-29T00:39:50Z) - Causal Semantic Communication for Digital Twins: A Generalizable
Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。
無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。
DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文 参考訳（メタデータ） (2023-04-25T00:15:00Z) - Making Intelligent Reflecting Surfaces More Intelligent: A Roadmap
Through Reservoir Computing [31.555956425625254]
本稿では、インテリジェント反射面(IRS)支援無線通信システムのためのニューラルネットワークベースの信号処理フレームワークについて紹介する。
IRSの「メタ原子」内部の高周波(RF)障害をモデル化することにより、IRS支援システム全体を貯水池計算(RC)システムとして一般化するアプローチを提案する。
論文 参考訳（メタデータ） (2021-02-06T23:55:46Z)
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。