論文の概要: A 6G Integrated Sensing and Communication Framework for Railway Intrusion Detection and Collision Prediction

• arxiv url: http://arxiv.org/abs/2608.04710v1
• Date: Wed, 05 Aug 2026 11:24:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.842391
• Title: A 6G Integrated Sensing and Communication Framework for Railway Intrusion Detection and Collision Prediction
• Title（参考訳）: 鉄道侵入検知・衝突予測のための6G統合センシング・通信フレームワーク
• Authors: Ajeet Kumar Yadav, Sankaran Balasubramaniam, Aritra Chatterjee, Vinod Aduru, Yogesh Simmhan, Pandarasamy Arjunan,
• Abstract要約: ISAC(Integrated Sensing and Communication)は、センシングと通信を組み合わせて無線リソースを効率的に活用する。 ISACはチャネル状態情報(CSI)を用いた物理層センシングを可能にする 本研究では,3次元畳み込みニューラルネットワーク(3D CNN)と双方向長短期記憶(BiLSTM)ネットワークを組み合わせた機械学習モデルを構築し,軌道危険帯の侵入者を検出する。
• 参考スコア（独自算出の注目度）: 2.1792156110421668
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Integrated Sensing and Communication (ISAC) combines sensing and communication to efficiently utilize wireless resources and is emerging as a key paradigm for next-generation wireless networks. By leveraging the wide bandwidth, high frequencies, and massive antenna arrays of 5G-Advanced and 6G systems, ISAC enables physical-layer sensing using Channel State Information (CSI). The 3rd Generation Partnership Project (3GPP) Release 19 identifies 32 potential ISAC use cases, with particular emphasis on detecting and tracking moving objects. In this work, we address the Sensing for Railway Intrusion Detection use case, where intruders, including wildlife, entering a railway track can pose serious collision risks. We generated 22,695 CSI matrices with corresponding ground truth using a 3D-rendered railway environment and the Sionna radio simulator. We developed a machine learning model combining a three-dimensional Convolutional Neural Network (3D CNN) and Bidirectional Long Short-Term Memory (BiLSTM) network to detect intruders in the track danger zone and estimate their real-time position relative to the train, velocity, and time to collision. On synthetic CSI data, the model achieves 99.57% intruder-detection accuracy on a balanced test set and a combined Mean Absolute Error (MAE) of 0.4240 for position, velocity, and time-to-collision prediction. These results demonstrate the potential of CSI-based ISAC sensing with machine learning for reliable railway intrusion detection. The complete codebase for CSI generation, preprocessing, and model development is publicly available at https://github.com/EdgeIntelligenceLab/6g-isac-railway-intrusion-detection.
• Abstract（参考訳）: ISAC(Integrated Sensing and Communication)は、センサと通信を組み合わせて無線リソースを効率的に活用し、次世代無線ネットワークの鍵となるパラダイムとして浮上している。 5G-Advancedおよび6Gシステムの広帯域、高周波数、大アンテナアレイを活用することで、ISACはチャネル状態情報(CSI)を用いた物理層センシングを可能にする。 第3世代パートナーシッププロジェクト(3GPP)リリース19では、移動物体の検出と追跡に重点が置かれた32のISACユースケースが特定されている。 本研究は,野生動物を含む侵入者による鉄道線路への侵入が重大な衝突リスクを生じさせる鉄道侵入検知のユースケースについて考察する。 我々は3Dレンダリングされた鉄道環境とシオンナ無線シミュレータを用いた22,695個のCSI行列を作成した。 本研究では,3次元畳み込みニューラルネットワーク(3D CNN)と双方向長短期記憶(BiLSTM)を併用した機械学習モデルを開発した。 合成CSIデータでは、バランスの取れたテストセット上で99.57%の侵入者検出精度と、位置、速度、時間対衝突予測のために0.4240の平均絶対誤差(MAE)を組み合わせて達成する。 これらの結果は、信頼性の高い鉄道侵入検知のための機械学習によるCSIベースのISACセンシングの可能性を示している。 CSI生成、前処理、モデル開発のための完全なコードベースはhttps://github.com/EdgeIntelligenceLab/6g-isac-railway-intrusion-detectionで公開されている。

関連論文リスト

• 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)
• Towards Ultra-Low Latency: Binarized Neural Network Architectures for In-Vehicle Network Intrusion Detection [0.0]
  本稿では,二元化ニューラルネットワーク(BNN)を用いた軽量侵入検出手法を提案する。 メッセージIDや周波数などの非バイナリ機能を統合するためのハイブリッドバイナリ符号化技術を開発した。 提案手法は、車載侵入検知に最適化されたBNNフレームワークと、非負荷属性に対するハイブリッドバイナリ量子化技術を組み合わせたもので、異常検出とマルチクラスネットワークトラフィック分類において有効であることを示す。
  論文  参考訳（メタデータ） (2025-11-02T06:47:56Z)
• Real-Time Pedestrian Detection on IoT Edge Devices: A Lightweight Deep Learning Approach [1.4732811715354455]
  本研究では,AIoT(Artificial Intelligence of Things)エッジデバイス上での軽量ディープラーニングモデルの実装について検討する。 You Only Look Once (YOLO)ベースのDLモデルは、リアルタイムな歩行者検出のためにデプロイされる。 シミュレーションの結果、最適化されたYOLOモデルは、高速な推論速度147ミリ秒、フレームレート2.3フレーム/秒、精度78%でリアルタイムな歩行者検出を実現できることが示された。
  論文  参考訳（メタデータ） (2024-09-24T04:48:41Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• LS-VOS: Identifying Outliers in 3D Object Detections Using Latent Space Virtual Outlier Synthesis [10.920640666237833]
  LiDARベースの3Dオブジェクト検出器は、自動運転アプリケーションにおいて前例のないスピードと精度を達成した。 それらはしばしば、信頼度の高い予測や、実際のオブジェクトが存在しないリターン検出に偏っている。 LS-VOSは,3次元物体検出における外れ値の同定を行うフレームワークである。
  論文  参考訳（メタデータ） (2023-10-02T07:44:26Z)
• Minkowski Tracker: A Sparse Spatio-Temporal R-CNN for Joint Object Detection and Tracking [53.64390261936975]
  我々はオブジェクトの検出と追跡を共同で解決するスパース時間R-CNNであるMinkowski Trackerを提案する。 領域ベースCNN(R-CNN)に着想を得て,物体検出器R-CNNの第2段階として動きを追跡することを提案する。 大規模実験では,本手法の総合的な性能向上は4つの要因によることがわかった。
  論文  参考訳（メタデータ） (2022-08-22T04:47:40Z)
• Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [4.947150829838588]
  自律走行車のための3つの同時戦略からなる,センサフュージョンに基づく攻撃検出フレームワークを提案する。 複数の低コストの車載センサーからのデータを融合し、リカレントニューラルネットワークモデルに入力する。 我々はk-Nearest Neighbors (k-NN) と Dynamic Time Warping (DTW) のアルゴリズムを組み合わせて、操舵角センサからのデータを用いて回転を検出する。 解析の結果,センサフュージョンに基づく検出フレームワークは,必要な計算遅延閾値内で,3種類のスプーフィング攻撃をすべて検出できることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T23:02:55Z)
• A reconfigurable neural network ASIC for detector front-end data compression at the HL-LHC [0.40690419770123604]
  ニューラルネットワークのオートエンコーダモデルを放射線耐性ASICに実装して、損失のあるデータ圧縮を行うことができる。 これは、粒子物理学アプリケーション用に設計されたニューラルネットワークの耐放射線性オンディテクタASIC実装である。
  論文  参考訳（メタデータ） (2021-05-04T18:06:23Z)
• Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
  本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。 具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。 提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
  論文  参考訳（メタデータ） (2020-12-26T19:41:15Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。