面向 AI-6G 的场景与任务泛化：多模态范式
信号处理
2025-04-08 v1
摘要
现有的机器学习（ML）驱动无线通信工作主要集中在单一场景和单一任务上。然而，随着未来 6G 系统中通信任务类别的激增以及各种任务需求的多样化，这种工作模式显然不可持续。因此，识别一种能够在多样化场景中解决多任务的通用模型的范式，对未来系统演化至关重要。本文旨在通过释放未来系统中多模态特征集成能力，根本性地解决 ML 模型在跨场景和跨任务上的泛化诅咒。鉴于电磁波传播理论的普遍性，通信过程由散射环境决定，这种环境可以更全面地通过跨模态感知来表征，从而为跨不同环境的各种通信任务提供充足信息。上述事实激励我们提出一种变革性的两阶段多模态预训练和下游任务适应范式。
引用
@article{arxiv.2504.04797,
title = {Addressing the Curse of Scenario and Task Generalization in AI-6G: A Multi-Modal Paradigm},
author = {Tianyu Jiao and Zhuoran Xiao and Yin Xu and Chenhui Ye and Yihang Huang and Zhiyong Chen and Liyu Cai and Jiang Chang and Dazhi He and Yunfeng Guan and Guangyi Liu and Wenjun Zhang},
journal= {arXiv preprint arXiv:2504.04797},
year = {2025}
}