論文の概要: The Universal Language of CSI:Unifying Wireless Sensing Across Devices and Environments

• arxiv url: http://arxiv.org/abs/2607.09727v1
• Date: Tue, 30 Jun 2026 04:30:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-19 21:54:20.387337
• Title: The Universal Language of CSI:Unifying Wireless Sensing Across Devices and Environments
• Title（参考訳）: CSIの普遍言語:デバイスと環境間の無線センシングを統一する
• Authors: Jiayi Chen, Weiting Ou, Guangxu Zhu,
• Abstract要約: Channel State Informationに基づくWiFiセンシングは、ユビキタスでデバイスなしの知覚を約束する。 現在の研究は、孤立したサイロに分解されたバベルの塔に閉じ込められている。 本稿では,CSIを学習可能な普遍文法を持つ構造化言語として扱う基盤モデル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）: 18.372157907342817
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: WiFi sensing based on Channel State Information (CSI) promises ubiquitous, device-free perception, yet current research remains trapped in a Tower of Babel - fragmented into isolated silos where models are tailored to specific hardware dialects, fixed environments, and narrow tasks. The primary bottleneck is the Heterogeneity Gap: the disparity in signal dimensions, sampling rates, and semantic labels that prevents cross-system understanding. To bridge this gap, we propose a foundation-model framework that treats CSI not merely as raw signals but as a structured language with a learnable universal grammar. We first curate and standardize a large collection of heterogeneous real-world CSI datasets, establishing a unified infrastructure that allows incompatible signal formats to be treated as a single corpus. Second, we introduce a modular architecture that acts as a universal translator where lightweight dataset-specific adapters tokenize diverse signal inputs into a shared latent vocabulary, while a shared self-supervised Transformer backbone learns the temporal syntax of human motion and environmental dynamics. This design decouples sensing semantics from hardware syntax. Extensive evaluations show that by mastering this universal language, our approach consistently outperforms task-specific baselines and exhibits strong generalization capability in new environments, achieving superior efficiency in few-shot scenarios. By effectively absorbing heterogeneity, the framework offers a path toward robust, general-purpose wireless sensing, mirroring the linguistic generalization observed in Large Language Models. The code implementation is available at: https://github.com/cjychenjiayi/WiLLM.
• Abstract（参考訳）: Channel State Information (CSI)に基づくWiFiセンシングは、ユビキタスでデバイスなしの認識を約束するが、現在の研究は、特定のハードウェア方言、固定環境、狭いタスクに合わせてモデルが調整された独立したサイロに断片化された、Babelの塔に閉じ込められている。 主なボトルネックはヘテロジニティギャップ(Heterogeneity Gap)であり、信号次元、サンプリングレート、システム間の理解を妨げるセマンティックラベルの相違である。 このギャップを埋めるために,CSIを生信号としてだけでなく,学習可能な普遍文法を持つ構造化言語として扱う基盤モデルフレームワークを提案する。 我々はまず、異種現実世界のCSIデータセットの大規模なコレクションをキュレートし、標準化し、互換性のない信号フォーマットを単一のコーパスとして扱えるような統一された基盤を確立する。 第2に、軽量なデータセット固有のアダプタが多様な信号入力を共有潜在語彙にトークン化するユニバーサルトランスレータとして機能するモジュールアーキテクチャを導入し、一方、共有自己教師型トランスフォーマーバックボーンは、人間の動きと環境ダイナミクスの時間的構文を学習する。 この設計は、セマンティックスとハードウェア構文を分離する。 この普遍的な言語を習得することにより、我々のアプローチはタスク固有のベースラインを一貫して上回り、新しい環境において強力な一般化能力を示し、少数のシナリオにおいて優れた効率を達成することを示す。 不均一性を効果的に吸収することにより、このフレームワークは、大規模言語モデルで観察される言語一般化を反映して、堅牢で汎用的な無線センシングへの道筋を提供する。 コード実装は、https://github.com/cjychenjiayi/WiLLM.comで利用可能である。

関連論文リスト

• OmniGF: A Dual-Branch Vision-Language Framework for Unified Gaze Following [59.53720386342017]
  拡張性のある多対人視線推論に基礎的な視覚言語モデルを適用する統合視覚言語フレームワークを提案する。 すべての個人をモデル化することにより、OmniGFは正確な空間的視線目標推定、意味的視線予測、複雑な社会的視線推定をシームレスに統合する。
  論文  参考訳（メタデータ） (2026-05-26T00:08:06Z)
• Unifying Heterogeneous Multi-Modal Remote Sensing Detection Via Language-Pivoted Pretraining [59.2578488860426]
  不均一なマルチモーダルリモートセンシングオブジェクト検出は、多様なセンサからオブジェクトを正確に検出することを目的としている。 既存のアプローチでは、下流の微調整中にモーダリティアライメントとタスク固有の最適化が絡み合う遅延アライメントパラダイムが採用されている。 本稿では,下流のタスク学習からモダリティアライメントを明確に分離する,統一型言語パイロット事前学習フレームワークであるBabelRSを提案する。
  論文  参考訳（メタデータ） (2026-03-02T11:38:12Z)
• GeoLanG: Geometry-Aware Language-Guided Grasping with Unified RGB-D Multimodal Learning [17.389094942979455]
  GeoLanGは言語誘導の把握のためのエンドツーエンドのマルチタスクフレームワークである。 視覚的および言語的な入力を共有表現空間に統一し、ロバストなセマンティックアライメントと一般化を改善する。 その結果,GeoLanGは複雑で散在した環境において,正確かつ堅牢な言語誘導の把握を可能にすることを示した。
  論文  参考訳（メタデータ） (2026-02-04T05:42:55Z)
• MobiDiary: Autoregressive Action Captioning with Wearable Devices and Wireless Signals [20.30554810750095]
  スマートホームにおけるヒューマンアクティビティ認識(HAR)は、健康モニタリングと補助的生活に不可欠である。 本研究では,異種物理信号から直接日常活動の自然言語記述を生成するフレームワークMobiDiaryを提案する。
  論文  参考訳（メタデータ） (2026-01-13T04:16:17Z)
• Chorus: Harmonizing Context and Sensing Signals for Data-Free Model Customization in IoT [2.546351849351806]
  我々は,データフリーなモデルカスタマイズアプローチであるChorusを提案する。 Chorusは、センサーデータパターンへの影響を捉えた効果的なコンテキスト表現を学ぶ。 実験によると、Chorusは最先端のベースラインを最大11.3%上回っている。
  論文  参考訳（メタデータ） (2025-12-17T08:56:21Z)
• Context-Aware Semantic Segmentation: Enhancing Pixel-Level Understanding with Large Language Models for Advanced Vision Applications [0.0]
  本稿では,Large Language Models (LLM) と最先端のビジョンバックボーンを統合する新しいコンテキスト認識セマンティックフレームワークを提案する。 視覚と言語の特徴を整合させるクロスアテンションメカニズムを導入し、モデルがコンテキストをより効果的に推論できるようにする。 この研究は視覚と言語の間のギャップを埋め、自律運転、医療画像、ロボット工学などの応用における、よりインテリジェントでコンテキスト対応の視覚システムへの道を開く。
  論文  参考訳（メタデータ） (2025-03-25T02:12:35Z)
• GiT: Towards Generalist Vision Transformer through Universal Language Interface [94.33443158125186]
  本稿では,バニラ ViT のみを用いて,様々な視覚タスクに同時に適用可能な,シンプルかつ効果的な GiT フレームワークを提案する。 GiTはマルチタスクのビジュアルモデルで、タスク固有の微調整なしで5つの代表的なベンチマークで共同でトレーニングされている。
  論文  参考訳（メタデータ） (2024-03-14T13:47:41Z)
• SILG: The Multi-environment Symbolic Interactive Language Grounding Benchmark [62.34200575624785]
  マルチ環境対話型言語グラウンドベンチマーク(SILG)を提案する。 SILGは、新しいダイナミクス、エンティティ、部分的に観察された世界(RTFM、Messenger、NetHack)への一般化を必要とするグリッドワールド環境で構成されている。 SILGを用いた自己中心型局所的畳み込み,再帰状態追跡,エンティティ中心の注意,事前訓練によるLMなどの最近の進歩を評価した。
  論文  参考訳（メタデータ） (2021-10-20T17:02:06Z)
• VECO: Variable and Flexible Cross-lingual Pre-training for Language Understanding and Generation [77.82373082024934]
  我々はTransformerエンコーダにクロスアテンションモジュールを挿入し、言語間の相互依存を明確に構築する。 独自の言語でコンテキストにのみ条件付けされたマスク付き単語の予測の退化を効果的に回避することができる。 提案した言語間モデルでは,XTREMEベンチマークのさまざまな言語間理解タスクに対して,最先端の新たな結果が提供される。
  論文  参考訳（メタデータ） (2020-10-30T03:41:38Z)
• Learning Universal Representations from Word to Sentence [89.82415322763475]
  この研究は普遍的な表現学習、すなわち一様ベクトル空間における言語単位の異なるレベルへの埋め込みを導入し、探求する。 本稿では, 単語, 句, 文の観点から, 類似したデータセットを構築するためのアプローチを提案する。 適切なトレーニング設定を組み込んだよく訓練されたトランスフォーマーモデルが、効果的に普遍的な表現が得られることを実証的に検証する。
  論文  参考訳（メタデータ） (2020-09-10T03:53:18Z)

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。