通过统一辐射场构建视觉与无线感知的桥梁：用于3D无线电图构建
网络与互联网体系结构
2026-04-30 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
下一代无线网络的新兴应用对环境感知提出了更高的要求。3D无线电图将物理环境与电磁波传播相连接，用于频谱规划和环境感知。然而，大多数现有方法将视觉数据和无线数据视为独立的模态，未能利用共享的电磁波传播原理。为弥合这一差距，我们提出了URF-GS（Unified Radio-optical Radiation Field based on 3D Gaussian Splatting and inverse rendering），一种基于3D高斯溅写和反向渲染的统一无线电-光学辐射场框架，用于3D无线电图构建。通过融合跨模态观测数据，本方法可恢复场景的几何结构和材料属性，以预测任意收发器配置下的无线电信号，而无需重新训练。实验结果表明，与基于NeRF的方法相比，本方法在空间频谱精度上提升最高达24.7%，样本效率提升10倍。我们进一步在Wi-Fi AP部署和机器人路径规划任务中展示了URF-GS的实际应用。这种统一的视觉-无线表征支持面向未来无线通信系统的整体辐射场建模。
引用
@article{arxiv.2601.19216,
title = {Bridging Visual and Wireless Sensing via a Unified Radiation Field for 3D Radio Map Construction},
author = {Chaozheng Wen and Jingwen Tong and Zehong Lin and Chenghong Bian and Jun Zhang},
journal= {arXiv preprint arXiv:2601.19216},
year = {2026}
}
备注
The code for this work will be publicly available at: https://github.com/wenchaozheng/URF-GS