WiFo-M$^2$: 通过基础模型实现即插即用的环境感知赋能无线通信
信号处理
2026-02-02 v2
摘要
下一代无线网络与智能体人工智能（AI）的新兴融合正启发一种新愿景：具身智能网络实体利用环境感知来优化其物理层（PHY）动作。尽管已有大量初步研究，但现有小型且特定于任务的 AI 模型需要对数据预处理、网络架构和微调进行大量人工设计，导致其与特定的 PHY 动作、系统配置和部署场景紧密耦合。为解决这一问题，我们提出了一种范式转换——WiFo-M，这是一种基础模型，能够将环境感知轻松集成到 PHY 动作中，带来普遍的性能提升。为了从环境感知中提取可泛化的带外（OOB）信道感知特征，我们引入了对比预训练策略 ContraSoM。预训练完成后，WiFo-M 能够从历史传感数据推断未来的 OOB 信道感知特征，并通过特定模态的数据增强来强化特征的鲁棒性。实验表明，WiFo-M 提升了多种 PHY 动作的性能，并对未见场景展现出强大的泛化能力。
引用
@article{arxiv.2601.09179,
title = {WiFo-M$^2$: Empower Wireless Communications With Plug-and-Play Environment Sensing via Foundation Model},
author = {Haotian Zhang and Shijian Gao and Xiang Cheng},
journal= {arXiv preprint arXiv:2601.09179},
year = {2026}
}
备注
13 pages, 9 figures, 7 tables