一次观察，两次波束：面向车联网的基于摄像头的实时双向毫米波波束管理
摘要
毫米波（mmWave）频率为车联网（V2X）提供了多吉比特的连接，但面临严重的路径损耗和与移动性相关的波束错位挑战。可靠的 V2X 连接需要快速的双向波束对齐。然而，现有方法 suffer 于高训练开销和对未见情景的有限泛化。本文提出了 VIsion-based BEamforming（VIBE），一种面向摄像头感知的实时双向毫米波波束管理的混合模型驱动、闭环、学习架构。VIBE 融合机器学习、模型驱动推理和闭环 RF 反馈，在波束对建立延迟和链路质量之间进行权衡。VIBE 通过利用摄像头观察来减少波束搜索空间，绕过了冗余的训练开销并加快了链路建立。轻量级波束细化和偏移跟踪机制能够适应动态应用需求对波束的细化。VIBE 在线内外测试平台、公共数据集和真实车载实验中进行了实现和评估，表现出强大的泛化能力，适用于实时 V2X 通信。与 5G NR 分层波束赋形方法相比，VIBE 持续保持更低的中断率。此外，VIBE 在公共数据集上优于最新的端到端机器学习模型，实现的中断率可低至 1.1-1.4%。结果表明，混合模型驱动、闭环学习架构更适合实际的毫米波车联网通信，而非端到端训练的机器学习模型。为可重复性，我们将发布代码至 https://github.com/UNL-CPN-Lab/Look-Once-Beam-Twice。
引用
@article{arxiv.2605.05071,
title = {Look Once, Beam Twice: Camera-Primed Real-Time Double-Directional mmWave Beam Management for Vehicular Connectivity},
author = {Avhishek Biswas and Apala Pramanik and Eylem Ekici and Mehmet C. Vuran},
journal= {arXiv preprint arXiv:2605.05071},
year = {2026}
}
备注
Accepted to the 2026 IEEE International Conference on Sensing, Communication, and Networking (IEEE SECON 2026). Code and models available at: https://github.com/UNL-CPN-Lab/Look-Once-Beam-Twice