論文の概要: TRACE: Learning to Self-Calibrate Wireless Digital Twins from ISAC Measurements
- arxiv url: http://arxiv.org/abs/2609.32923v2
- Date: Tue, 29 Sep 2026 19:54:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:25.81085
- Title: TRACE: Learning to Self-Calibrate Wireless Digital Twins from ISAC Measurements
- Title（参考訳）: TRACE:ISAC測定からワイヤレスデジタル双極子を自己校正する学習
- Abstract要約: 無線デジタルツイン(DT)は、無線伝搬を予測し、無線ネットワークの決定をサポートするために3D環境モデルに依存している。
本稿では,既存のDTを無線周波数(RF)測定で修復する方法について検討する。
- 参考スコア（独自算出の注目度）: 4.4332734458209435
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wireless digital twins (DTs) rely on 3D environment models to predict radio propagation and support wireless-network decisions, yet these models are often initialized from imperfect 3D maps. Errors in building position, height, footprint, and orientation can therefore cause a high-fidelity propagation engine to simulate the wrong physical environment. In this paper, we study how a deployed wireless network can repair an existing DT using its own radio frequency (RF) measurements. In particular, we introduce Twin Residual Alignment and Calibration Engine (TRACE), a physics-grounded learning-based self-calibration framework that treats twin maintenance as residual alignment between the physical world and the current DT. Using the same sensing configuration as the physical measurements, TRACE ray-traces the current DT, coherently backprojects the measured and simulated RF onto a common world grid, and extracts the same local region around each building's current DT position. A multi-view corrector then fuses evidence across sensing nodes and neighboring buildings to predict a gated six-parameter correction per building, without relying on absolute layout or sensor ordering, and supports iterative correction through re-rendering. On 5,400 held-out samples from unseen simulated scenes at 28 GHz, TRACE reduces 3D position RMSE from 2.202 m to 0.302 m and yaw RMSE from 4.978° to 0.894°, outperforming ViT and U-Net baselines under changes in layout, building count, sensing-node count, and SNR. On measured 28 GHz RF data from the NIST outdoor courtyard, a model trained only on synthetic RF reduces mean planar wall-position error from 1.00 m to 7.8 cm, without measured-data fine-tuning or geometric labels. These results show that the discrepancy between measured and twin-rendered RF can serve as a learning signal for repairing a wireless DT.
- Abstract（参考訳）: 無線デジタルツイン(DT)は、無線伝搬を予測し、無線ネットワークの決定をサポートするために3D環境モデルに依存しているが、これらのモデルは不完全な3Dマップから初期化されることが多い。
したがって、建物の位置、高さ、フットプリント、配向の誤差により、高忠実度伝搬エンジンが間違った物理的環境をシミュレートする。
本稿では,既存のDTを無線周波数(RF)測定で修復する方法について検討する。
特にTwin Residual Alignment and Calibration Engine (TRACE)を導入し,物理世界と現在のDTの整合性を考慮した物理学習に基づく自己校正フレームワークを提案する。
TRACEは、物理測定と同じセンシング構成を用いて、現在のDTをトレーシングし、測定およびシミュレーションされたRFを共通のワールドグリッドにコヒーレントにバックプロジェクションし、各ビルの現在のDT位置の周りで同じ局所領域を抽出する。
マルチビュー補正器は、検知ノードと隣接する建物にまたがって証拠を融合して、絶対的なレイアウトやセンサーの順序に依存することなく、建物ごとのゲート付き6パラメータの補正を予測し、再レンダリングによる反復的な修正をサポートする。
TRACEは28GHzで非表示のシミュレーションシーンから5,400個のサンプルを採取し、RMSEを2.202mから0.302mに減らし、RMSEを4.978°から0.894°に減らした。
NISTの屋外中庭から28GHzのRFデータを計測すると、合成RFでのみ訓練されたモデルは、測定データ微調整や幾何ラベルなしで平均平面壁位置誤差を1.00mから7.8cmに減少させる。
これらの結果から、測定値とツインレンダーの差分は、無線DTを修復するための学習信号として機能することが示された。
関連論文リスト
- Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。
検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。
ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
論文 参考訳（メタデータ） (2026-09-07T15:03:36Z) - KODAMA: Multimodal Digital Twin Reconstruction for Urban RF Propagation Modelling [0.0]
Kodamaは、市販の地理空間データだけで都市規模でレイトレーシング対応RFDTを再構築する自動パイプラインである。
ポイント・ツー・ポイントの誤差を、自動ベースライン上で最大5.35dB削減し、測定校正された手作りRFDTの0.22dB以内となる。
論文 参考訳（メタデータ） (2026-09-07T10:16:44Z) - Tri-Band Channel Measurement-Enabled Multi-Layer Digital Twin for Terahertz Wireless Data Centers [8.64491319649777]
ディジタルツイン(DT)は、効率的な無線計画とリアルタイム最適化を可能にする。
THz無線データセンターにおける測定駆動型多層DTフレームワークを提案する。
提案したAIツインは、そのツインから位置依存チャネル統計を学習し、受信電力とLoS確率のリアルタイム予測を可能にする。
論文 参考訳（メタデータ） (2026-09-01T17:01:38Z) - Talk2Sensors: 3D Visual Grounding in Autonomous Driving via Sensor-Adaptive Physical Cue Matching [66.91228384649921]
Talk2Sensorsは、カメラ、LiDAR、および4Dレーダ上に構築された最初のマルチセンサ3Dビジュアルグラウンドデータセットである。
本稿では,自動走行における言語誘導型3次元視覚グラウンドのためのトランスフォーマーベースの統合フレームワークTSFormerを提案する。
論文 参考訳（メタデータ） (2026-08-05T07:58:35Z) - OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。
パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
論文 参考訳（メタデータ） (2026-05-13T17:42:20Z) - Learned Elevation Models as a Lightweight Alternative to LiDAR for Radio Environment Map Estimation [4.489167091323233]
推論時に3次元データを必要としない2段階のフレームワークを提案する。
既存のCNNベースのREM推定アーキテクチャでは、画像のみのベースラインよりもRMSEを最大7.8%改善する。
論文 参考訳（メタデータ） (2026-04-07T07:18:53Z) - BiFormer3D: Grid-Free Time-Domain Reconstruction of Head-Related Impulse Responses with a Spatially Encoded Transformer [56.68710783939455]
本稿では,任意の方向のHRIRをスパース入力から再構成する,時間領域のグリッドフリートランスであるBiFormer3Dを提案する。
SONICOMでは、通常の平均二乗誤差(NMSE)、余弦距離、ITD/ILD誤差を従来の手法よりも改善する。
論文 参考訳（メタデータ） (2026-03-30T03:39:16Z) - RadioGen3D: 3D Radio Map Generation via Adversarial Learning on Large-Scale Synthetic Data [62.63849426834315]
将来の6Gおよび低高度ネットワークにおける効率的な無線資源管理には,無線地図が不可欠である。
ディープ・ラーニング(DL)技術は、無線地図推定における従来のレイトレーシングに代わる効果的な代替手段として登場した。
提案するRadioGen3Dフレームワークは,本質的な3次元信号伝搬特性とアンテナ偏光効果を捉える。
論文 参考訳（メタデータ） (2026-02-21T07:50:05Z) - On the Limitations of Ray-Tracing for Learning-Based RF Tasks in Urban Environments [4.097291451674696]
ローマ中央部の屋外細胞リンクにおけるSionna v ray-tracingの現実性について検討した。
我々は、経路深さ、拡散/特異/屈折フラグ、キャリア周波数、アンテナの特性など、主なシミュレーションパラメータを変化させる。
論文 参考訳（メタデータ） (2025-07-25T19:58:44Z) - Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。
我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。
FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
論文 参考訳（メタデータ） (2024-08-13T04:33:23Z)
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。