SANDWICH：面向离线、可微、全可训练的无线神经射线追踪代理模型
网络与互联网体系结构
2025-08-06 v3 人工智能
摘要
无线射线追踪（RT）在图形渲染进步的推动下，正成为三维（3D）无线信道建模的关键工具。当前方法难以准确建模 5G 以后（B5G）网络信令，后者通常在更高频率运行，更易受环境条件和变化影响。现有在线学习方案训练期间需要实时环境监督，既昂贵又与基于 GPU 的处理不兼容。为此，我们提出一种新方法，将射线轨迹生成重新定义为序列决策问题，利用生成模型联合学习每个指定环境中的光学、物理和信号属性。我们的工作引入了场景感知神经决策无线信道射线追踪层级（SANDWICH），一种创新的离线、全可微方法，可完全在 GPU 上训练。与现有在线学习方法相比，SANDWICH 提供了卓越性能，在 RT 精度上比基线高出 4e^-2 弧度，且仅比顶线信道增益估计低 0.5 dB。
引用
@article{arxiv.2411.08767,
title = {SANDWICH: Towards an Offline, Differentiable, Fully-Trainable Wireless Neural Ray-Tracing Surrogate},
author = {Yifei Jin and Ali Maatouk and Sarunas Girdzijauskas and Shugong Xu and Leandros Tassiulas and Rex Ying},
journal= {arXiv preprint arXiv:2411.08767},
year = {2025}
}
备注
Accepted in ICMLCN 2025