Resumen Técnico: ENWAR 3.0

Declaración del Problema

Mantener una conectividad robusta de ondas milimétricas (mmWave) en redes vehiculares requiere una adaptación en tiempo real a la dinámica ambiental, la degradación de sensores y la variabilidad del enlace. Los mecanismos de control de red tradicionales a menudo dependen de heurísticas basadas en reglas o seguimiento de haces estático, que no escalan en entornos de percepción multimodal. Estos enfoques convencionales no pueden adaptar eficazmente las decisiones basándose en la fiabilidad del sensor, el contexto ambiental o el comportamiento histórico del sistema. Además, las soluciones existentes de Modelos de Lenguaje Grande (LLM) para el control inalámbrico a menudo carecen de capacidades de toma de decisiones en tiempo real, permanecen centradas en el texto o no logran integrar datos sensoriales multimodales (LiDAR, radar, cámaras, GPS) con lógica transparente y explicable. Existe una brecha crítica en el diseño de marcos fluidos que combinen percepción multimodal, razonamiento interpretable y toma de decisiones adaptativa bajo estrictas restricciones de tiempo real para las comunicaciones de Infraestructura a Vehículo (I2V).

Metodología

ENWAR 3.0 es un marco de razonamiento consciente del entorno que unifica la percepción multimodal, agentes LLM y la selección de modelos impulsada por el contexto. El sistema opera dentro de un intervalo de control de 300 ms, gestionando la formación de haces, la predicción de obstrucciones y la gestión de transferencia mediante un marco de control jerárquico.

Arquitectura Central

1. Percepción Multimodal y Detección de Degradación:

   • El sistema ingiere datos sincronizados de cámaras, LiDAR, radar y GPS.
   • Un Clasificador de Entorno dedicado (un bosque aleatorio de múltiples salidas) detecta la degradación de sensores en tiempo real (por ejemplo, niebla, oclusión, ruido) con una precisión superior al 99%. Genera banderas binarias para excluir dinámicamente modalidades poco fiables.
   • Se desarrolló una tubería de degradación sintética para entrenar este clasificador, simulando condiciones adversas como desenfoque, dispersión y interferencia de señal.

2. Orquestación de Agentes mediante LLM Primado:

   • Un LLM centralizado actúa como orquestador, primado mediante la técnica de Prompts de Cadena de Pensamiento (CoT) y retroalimentación humana en el bucle (HITL).
   • El LLM interpreta estados estructurados del entorno y banderas de salud de sensores para invocar agentes especializados (Predicción de Haz, Predicción de Obstrucción, Transferencia, Percepción de Entorno) exactamente una vez por ciclo.
   • El sistema emplea Memoria a Largo Plazo (utilizando LlamaIndex) para persistir patrones históricos, como duraciones de obstrucción y decisiones pasadas de agentes, permitiendo la continuidad temporal en el razonamiento.

3. Enrutamiento Adaptativo de Modelos (DRL):

   • Un agente de Aprendizaje por Refuerzo Profundo (DRL), entrenado con Optimización de Política Proximal (PPO), selecciona dinámicamente la combinación óptima de modalidades de sensores para tareas de predicción.
   • El sistema mantiene un repositorio de 15 variantes de modelos preentrenados por agente (que cubren diversas combinaciones de sensores). La política DRL enruta las tareas a la variante más adecuada según la salud actual del sensor y el contexto histórico, evitando sensores degradados.

4. Agentes Específicos de Tareas:

   • Predicción de Haz: Anticipa los índices de haz óptimos utilizando entradas multimodales para evitar el barrido exhaustivo de haces.
   • Predicción de Obstrucción: Estima la probabilidad de eventos de oclusión hasta 5 pasos de tiempo (1.5 s) en el futuro utilizando fusión tardía de predicciones específicas de modalidad.
   • Gestión de Transferencia: Dispara transferencias a estaciones base secundarias (BS2) basándose en una política de doble disparador: superioridad significativa de potencia u obstrucción persistente (superior a 5 pasos de tiempo) combinada con mejora de potencia.

5. Entrega de Respuestas:

   • El sistema genera respuestas estructuradas e interpretables que integran percepción, predicción y decisiones de control.
   • Las decisiones críticas del camino de control (invocación de agentes, selección de haz) se acotan dentro de la ventana de muestreo de 300 ms, mientras que las justificaciones detalladas en lenguaje natural se generan de forma asíncrona para garantizar el rendimiento en tiempo real.

Contribuciones Clave

El documento describe cinco contribuciones principales:

• Orquestación Jerárquica de Agentes: Reformular el control inalámbrico multimodal como un problema de agente jerárquico, utilizando una arquitectura modular impulsada por LLM con primado CoT y RLHF para coordinar la predicción de haces/obstrucciones y las decisiones de transferencia.
• Capa de Control Consciente de la Degradación: Introducir una tubería de degradación de sensores sintética y un clasificador de múltiples salidas (99.1% de precisión) que permite la exclusión dinámica de modalidades poco fiables, reemplazando las estrategias de fusión estáticas con una percepción consciente de la fiabilidad.
• Enrutamiento Adaptativo de Modelos Basado en DRL: Diseñar una política DRL consciente de la degradación que selecciona dinámicamente entre 15 combinaciones de modalidades preentrenadas por agente, adaptándose al estado del sensor en lugar de depender de una invocación de modelo fija.
• Control de Obstrucción y Transferencia Consciente de Persistencia: Integrar el seguimiento de la duración de la obstrucción y la memoria a largo plazo en un mecanismo de transferencia activado por políticas, creando una tubería cerrada de haz-obstrucción-transferencia ausente en iteraciones anteriores.
• Operación en Tiempo Real con Latencia Acotada: Demostrar que el sistema completo mantiene una latencia de extremo a extremo en el camino de control de 289.7 ms en el peor de los casos dentro de un intervalo de muestreo de 300 ms, asegurando la compatibilidad con los requisitos en tiempo real de I2V.

Resultados

Se realizaron evaluaciones exhaustivas en 15 combinaciones de sensores y diversas arquitecturas LLM (que van desde 3B hasta 70B de parámetros):

• Rendimiento Predictivo:
  • Selección de Haz: Logró hasta un 88.5% de precisión Top-3 (con Cámara+GPS+LiDAR) y una pérdida de potencia promedio de -0.009 dB.
  • Predicción de Obstrucción: Logró una puntuación F1 del 98.4% (con Cámara+Radar) y un AUC-ROC de 0.988.
  • Clasificación de Entorno: Detectó la degradación de sensores con una precisión del 99.1% en todas las modalidades.
• Correctitud del Razonamiento:
  • El sistema logró una correctitud de razonamiento del 87.3% con un modelo de 3B de parámetros, mejorando al 89.3% con un modelo de 70B. Esto representa una mejora significativa sobre las líneas base estándar (69.4%).
  • Los estudios de ablación mostraron que el primado (82.5%) y el razonamiento CoT (82.2%) proporcionaron las mayores ganancias individuales, mientras que la Memoria a Largo Plazo y el enrutamiento DRL mejoraron aún más la estabilidad.
• Latencia y Eficiencia:
  • La latencia de extremo a extremo en el peor de los casos para el camino de control fue de 289.7 ms, ajustándose dentro de la ventana de muestreo de 300 ms.
  • Los modelos más grandes (70B) ofrecieron solo ganancias marginales de rendimiento (aproximadamente un 2% de mejora) pero incurrieron en una latencia de inferencia significativamente mayor (3.08 s frente a 2.17 s para 3B), lo que sugiere rendimientos decrecientes para la implementación en tiempo real.
• Robustez:
  • Bajo casos extremos (por ejemplo, niebla densa, interferencia de GPS, fallo de LiDAR), el sistema mantuvo un alto rendimiento cambiando dinámicamente a modelos de respaldo (por ejemplo, solo radar o fusión cámara-radar), demostrando una degradación elegante.
  • El agente DRL seleccionó acciones óptimas en el 86.6% de los episodios, superando significativamente a las líneas base basadas en reglas (67.1%) y aleatorias (13.2%).

Significado

El documento posiciona a ENWAR 3.0 como una base escalable para sistemas inalámbricos integrados con LLM capaces de razonar, percibir y adaptarse en tiempo real. Avanza el campo desde el soporte de decisiones asistido por percepción hacia una orquestación impulsada por políticas y consciente de la degradación. Al establecer un bucle unificado en tiempo real para la predicción de haces, la detección de obstrucciones y el control de transferencia, el trabajo aborda las limitaciones de las heurísticas estáticas y el razonamiento de caja negra en entornos vehiculares dinámicos. El marco demuestra que integrar razonamiento estructurado, memoria y enrutamiento adaptativo permite a los sistemas inalámbricos mantener un alto rendimiento e interpretabilidad incluso bajo una incertidumbre significativa de sensores y dinámica ambiental.