論文の概要: Towards CSI-Native Foundation Models: A Channel-Adaptive Roadmap for 6G
- arxiv url: http://arxiv.org/abs/2606.20670v1
- Date: Fri, 12 Jun 2026 11:01:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:17:16.247786
- Title: Towards CSI-Native Foundation Models: A Channel-Adaptive Roadmap for 6G
- Title（参考訳）: CSI-Native Foundationモデルに向けて:6Gのチャネル適応ロードマップ
- Abstract要約: 無線基礎モデルは、第6世代(6G)システムのための再利用可能なチャネル状態情報(CSI)インテリジェンスへの道を提供する。
既存の一般的なバックボーン適応とCSI事前訓練法は、CSIを伝搬条件のチャネル応答ではなくタスクテンソルとして扱うことが多い。
本稿では,事前学習,位置モデリング,アテンション制御を3つのチャネル要求に整合させる統合フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 14.956130211673894
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wireless foundation models offer a path toward reusable channel state information (CSI) intelligence for sixth-generation (6G) systems. However, existing generic-backbone adaptation and CSI pretraining methods often treat CSI as task tensors rather than propagation-conditioned channel responses, thereby failing to capture the intrinsic time-frequency-spatial geometry of wireless environments. This paper presents a channel-adaptive roadmap toward CSI-native foundation models, proposing a unified framework that aligns pretraining, positional modeling, and attention control with three channel requirements: scale-aware heterogeneous exposure, physical time-frequency-antenna coordinates, and correlation-bounded token interaction. Extensive experiments demonstrate the superiority of the proposed framework across three dimensions: zero-shot generalization, reducing NMSE by more than 4 dB across spatial-temporal-frequency tasks; scale extrapolation, yielding up to a 5.4 dB gain under 8 times unseen antenna scaling; and inference efficiency, accelerating mobility-aware processing by up to 18.8%. A system-level evaluation with Sionna SYS further shows that the proposed framework uses only 7.01% of dense-pilot overhead, reaches -18.64 dB average NMSE, and improves average net spectral efficiency by 36.6% over dense LMMSE and 15.5% over WiFo, indicating that CSI-native representation learning can support pilot-efficient radio access.
- Abstract（参考訳）: 無線基礎モデルは、第6世代(6G)システムのための再利用可能なチャネル状態情報(CSI)インテリジェンスへの道を提供する。
しかし、既存の一般的なバックボーン適応とCSI事前訓練法は、CSIを伝搬条件付きチャネル応答ではなくタスクテンソルとして扱うことが多く、無線環境の固有時間-周波数-空間幾何学を捉えることができない。
本稿では,CSI-ネイティブ基盤モデルに対するチャネル適応型ロードマップを提案し,事前学習,位置モデリング,アテンション制御を3つのチャネル要件(スケールアウェアなヘテロジニアス露光,物理時間-周波数-アンテナ座標,相関バウンドトークン相互作用)で整合する統合フレームワークを提案する。
大規模な実験では、ゼロショットの一般化、空間時間周波数のタスクでNMSEを4dB以上削減すること、外挿をスケールすること、アンテナスケーリングの8倍未満で最大5.4dBのゲインを得ること、推論効率、モビリティ認識処理を最大18.8%高速化すること、3次元にわたって提案されたフレームワークの優位性を実証している。
Sionna SYSによるシステムレベルの評価では、提案フレームワークは高密度パイロットのオーバーヘッドの7.01%しか使用せず、平均NMSEは-18.64dBに達し、高密度LMMSEで36.6%、WiFoで15.5%向上し、CSIネイティブな表現学習がパイロット効率の高い無線アクセスをサポートできることが示されている。
関連論文リスト
- WALoMA: A Multitask Wireless Foundation Model via Adaptive Low-Rank Masked Autoencoders [23.225139930889526]
本稿では,適応型低ランクマスキングオートエンコーダ(WALoMA)を用いたマルチタスク無線基礎モデルを提案する。
専門的なタスク固有のディープラーニングモデルの制限と、ラベル付き無線データセットの不足による実践的な課題に対処する。
論文 参考訳（メタデータ） (2026-07-28T14:18:22Z) - LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation [53.88286427894783]
視覚言語モデル(VLM)は、ロボット分野において、言語コンテキストによる環境認識を可能にする強力なツールとして登場した。
しかし、彼らの計算フットプリントは、通常、それらをクラウド実行に制限し、リソースに制約のあるロボットへのローカルなデプロイによる低レイテンシの推論を妨げる。
本稿では,大規模フロンティアモデルからの複雑な空間意味推論を,組み込みGPUデバイス上でエッジ実行を行うための軽量な4BパラメータローカルVLMに転送する蒸留戦略を提案する。
論文 参考訳（メタデータ） (2026-06-26T09:11:59Z) - ArcGate: Adaptive Arctangent Gated Activation [62.5098969984518]
本稿では,アクティベーション形状の広いスペクトルを生成するフレキシブルな定式化であるAdaptive Arctangent Gated Activation関数を提案する。
我々は、PatternNet、UC Merced Land Use、13バンドのEuroSAT MSIマルチスペクトルデータセットの3つのリモートセンシングベンチマークでArcGateを評価した。
論文 参考訳（メタデータ） (2026-05-14T08:00:46Z) - HeterCSI: Channel-Adaptive Heterogeneous CSI Pretraining Framework for Generalized Wireless Foundation Models [24.285127409979342]
HeterCSIは、トレーニング効率を堅牢なクロスシナリオの一般化と整合させる、チャネル適応型事前トレーニングフレームワークである。
HeterCSIはフルショットベースラインよりも平均性能が優れている。
最先端のベンチマークWiFoと比較して、NMSEはそれぞれ7.19dB、4.08dB、5.27dBのCSI再構成、時間領域、周波数領域予測を行う。
論文 参考訳（メタデータ） (2026-01-26T06:35:48Z) - LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。
本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。
本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
論文 参考訳（メタデータ） (2026-01-18T12:08:38Z) - GSpaRC: Gaussian Splatting for Real-time Reconstruction of RF Channels [18.70495617397063]
無線通信システムにおける適応ビームフォーミングおよびロバストリンクにはチャネル状態情報(CSI)が不可欠である。
本稿では1msの遅延障壁を破る最初の計算であるRFチャネルのリアルタイム再構成のためのガウススプラッティングについて述べる。
論文 参考訳（メタデータ） (2025-11-27T22:42:23Z) - Generative MIMO Beam Map Construction for Location Recovery and Beam Tracking [67.65578956523403]
本稿では,スパースチャネル状態情報(CSI)から位置ラベルを直接復元する生成フレームワークを提案する。
生のCSIを直接格納する代わりに、小型の低次元無線地図の埋め込みを学び、生成モデルを利用して高次元CSIを再構築する。
数値実験により,NLOSシナリオにおける局所化精度が30%以上向上し,20%のキャパシティゲインが得られることが示された。
論文 参考訳（メタデータ） (2025-11-21T07:25:49Z) - Green Learning for STAR-RIS mmWave Systems with Implicit CSI [53.03358325565645]
再構成可能なインテリジェントサーフェス (STAR-RIS) 支援ミリ波放送システム (mmWave) を同時に送信し, 反射するグリーンラーニング (GL) ベースのプリコーディングフレームワークを提案する。
本研究は,将来の6Gネットワークにおける環境持続可能性を重視し,複数のユーザが同一情報を共有し,スペクトル効率を向上し,冗長伝送と電力消費を低減させるシナリオに,トランスミッションフレームワークを採用する。
論文 参考訳（メタデータ） (2025-09-08T15:56:06Z) - RF-PGS: Fully-structured Spatial Wireless Channel Representation with Planar Gaussian Splatting [3.3008315224941973]
本稿では,スパースパス損失スペクトルのみから高忠実度電波伝搬路を再構成する新しいフレームワークRF-PGSを提案する。
従来の放射界法と比較して、RF-PGSは再構成精度を大幅に向上し、トレーニングコストを低減し、無線チャネルの効率的な表現を可能にする。
論文 参考訳（メタデータ） (2025-08-23T00:33:21Z) - Standards-Compliant DM-RS Allocation via Temporal Channel Prediction for Massive MIMO Systems [4.251030047034567]
チャネル予測に基づく参照信号アロケーション(CPRS)の概念を導入する。
CPRSはチャネル予測とDM-RSアロケーションを共同で最適化し、CSIフィードバックを必要とせずにデータスループットを向上させる。
ベンチマーク戦略よりも36.60%のスループット向上を実現しています。
論文 参考訳（メタデータ） (2025-07-15T07:56:37Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z)
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。