赋能低空经济：一种面向多模态无人机波束预测的可靠性感知动态加权分配方法
机器学习
2026-01-01 v1 人工智能
摘要
低空经济（LAE）在城市空中交通、物流无人机和空中传感的驱动下迅速扩张，而无人机（UAV）通信中快速准确的波束预测对于实现可靠连接至关重要。当前研究正从单信号方法转向多模态协作方法。然而，现有的多模态方法大多采用固定或经验权重，假设在任何给定时刻各模态的可靠性相同。实际上，不同模态的重要性会随着无人机运动场景而剧烈波动，静态加权会放大退化模态的负面影响。此外，模态不匹配和弱对齐进一步削弱了跨场景泛化能力。为此，我们提出了一种应用于语义感知多模态波束预测框架（SaM2B）的可靠性感知动态加权方案。具体而言，SaM2B 利用环境视觉、飞行姿态和地理空间数据等轻量级线索，通过可靠性感知的动态权重更新，在不同时间点自适应地分配各模态的贡献。此外，通过利用跨模态对比学习，我们将与特定波束信息相关的“多源表示波束语义”对齐到一个共享的语义空间，从而增强在模态噪声和分布偏移下的判别能力和鲁棒性。在真实世界低空无人机数据集上的实验表明，SaM2B 取得了比基线方法更令人满意的结果。
引用
@article{arxiv.2512.24324,
title = {Empower Low-Altitude Economy: A Reliability-Aware Dynamic Weighting Allocation for Multi-modal UAV Beam Prediction},
author = {Haojin Li and Anbang Zhang and Chen Sun and Chenyuan Feng and Kaiqian Qu and Tony Q. S. Quek and Haijun Zhang},
journal= {arXiv preprint arXiv:2512.24324},
year = {2026}
}