Resumen Técnico: CITYMPC

Enunciado del Problema

La fidelidad de los modelos de canal inalámbrico es un cuello de botella crítico para el desarrollo de sistemas de sexta generación (6G), los cuales requieren conocimiento rico y específico del sitio de los entornos de propagación para apoyar casos de uso como la detección y comunicación integradas (ISAC) y redes de acceso por radio nativas de IA. Los paradigmas actuales de modelado de canales enfrentan una compensación fundamental:

1. Modelos Estocásticos Basados en Geometría (GBSM): Aunque son computacionalmente eficientes, modelos como el 3GPP TR 38.901 son agnósticos al entorno y no logran capturar las características distintivas de enlaces específicos de línea de vista (LoS) y sin línea de vista (nLoS).
2. Ray Tracing Determinista (RT): Herramientas como Sionna RT producen componentes de trayectos múltiples (MPC) físicamente precisos, pero son computacionalmente costosas, requieren geometría explícita de la escena 3D durante la inferencia y generan únicamente una realización determinista única por configuración de enlace.

Los enfoques existentes basados en aprendizaje intentan cerrar esta brecha, pero sufren limitaciones significativas: los modelos generativos a menudo carecen de condicionamiento específico del sitio; los sustitutos de ray tracing neuronal aún requieren mallas de escena 3D durante la inferencia; y los métodos de mapas de radio típicamente predicen cantidades de señal agregadas en lugar de los parámetros completos de MPC por trayecto. En consecuencia, no existe ningún método que pueda generar un conjunto completo y específico del sitio de parámetros de MPC (incluyendo Azimut/Elevación de AoD/AoA, retardos y ganancias) a partir únicamente de imágenes de la escena sin acceso a geometría 3D durante la inferencia.

Metodología

Los autores proponen CITYMPC, un marco de autoencoder variacional condicional (cVAE) diseñado para predecir el conjunto completo de parámetros de MPC por trayecto a partir de imágenes de punto de vista (PoV) y mapas de altitud del terreno, eliminando la necesidad de mallas de escena 3D durante la inferencia.

Construcción de Datos y Condicionamiento

El sistema se entrena en un conjunto de datos a gran escala que abarca cinco entornos urbanos de EE. UU. (Austin, Dallas, Fort Worth, Denver, Nueva York), compuesto por 427,397 enlaces Tx-Rx generados mediante Sionna RT a 3.5 GHz.

• Entradas (Condicionamiento $c$): El modelo toma como entrada:
  • Pilas de Imágenes PoV: Imágenes de 12 canales desde las perspectivas tanto del Transmisor (Tx) como del Receptor (Rx). Estos canales codifican RGB, profundidad, normales de superficie y cinco propiedades de materiales de radio (permitividad relativa $\epsilon_r$, conductividad $\sigma$, coeficiente de dispersión, coeficiente de cross-polarización y grosor) derivadas de la malla 3D subyacente.
  • Mapa de Altitud Global: Una disposición macroscópica de edificios de 128 $\times$ 128.
  • Coordenadas: Coordenadas cartesianas crudas de Tx y Rx.
• Salidas (Objetivo $x$): El modelo predice un conjunto estructurado de $L=25$ ranuras de trayecto, incluyendo:
  • Máscara de presencia de trayecto ($m_\ell$).
  • Ganancia de banda base compleja normalizada ($\tilde{\alpha}_\ell$).
  • Retardo excesivo normalizado ($\tilde{\tau}_\ell$).
  • Codificaciones de vector unitario de AoD y AoA en azimut y elevación.
  • Tiempo de Vuelo (ToF) a nivel de enlace ($\tau_0$) y potencia recibida agregada ($P_{rx}$).

Arquitectura del Modelo

CITYMPC utiliza una arquitectura de cVAE basada en transformadores que comprende cuatro módulos:

1. Codificador de Condicionamiento (CE): Utiliza tres torres ChannelViT independientes para procesar el mapa de altitud global, la pila PoV de Tx y la pila PoV de Rx, fusionándolas con incrustaciones de coordenadas en una incrustación de escena compacta.
2. Red de Prior (PN): Aprende una prior dependiente de la escena $p_\psi(z|c)$ para capturar la variabilidad estructurada entre entornos, reemplazando la prior gaussiana fija estándar.
3. Codificador de Posterior (PE): Opera únicamente durante el entrenamiento para aproximar la posterior $q_\phi(z|x,c)$ proyectando los parámetros de los trayectos en tokens que se atienden cruzadamente a los tokens de la escena.
4. Decodificador (DEC): Genera la salida utilizando $L$ "consultas de ranura" aprendidas inicializadas por la variable latente $z$. Estas ranuras internalizan la estructura ordinal de los MPC (ordenados por potencia). El decodificador emplea enrutamiento informado por física, donde capas de atención cruzada separadas atienden exclusivamente a tokens de escena de Tx o Rx para predecir AoD y AoA, respectivamente.

Estrategia de Entrenamiento

El modelo se entrena maximizando el Límite Inferior de Evidencia (ELBO). Una innovación clave es el uso de ponderación de incertidumbre de Kendall para el aprendizaje multi-tarea. La pérdida total es una suma ponderada de siete pérdidas específicas de tarea (presencia de trayecto, ToF, potencia recibida, direcciones AoD/AoA, retardo excesivo y ganancia compleja), donde los pesos se aprenden mediante parámetros de ruido por tarea ($\sigma_k$) para equilibrar automáticamente tareas de dificultad variable.

Contribuciones Clave

1. Caracterización Completa de MPC sin Geometría 3D: CITYMPC es el primer trabajo que predice el conjunto completo de parámetros por trayecto (incluyendo ángulos de elevación tanto para AoD como para AoA) condicionado únicamente a imágenes de la escena y mapas de altitud, eliminando la dependencia de mallas 3D durante la inferencia.
2. Coincidencia Generativa con Ray Tracing: El marco genera realizaciones de canal físicamente válidas que coinciden con la verdad fundamental de ray tracing en todos los parámetros predichos, logrando un Error Absoluto Medio (MAE) de potencia recibida de 1.29 dB y un MAE de ToF de 7.25 ns en las ciudades evaluadas.
3. Benchmark y Conjunto de Datos a Gran Escala: Los autores lanzan un benchmark reproducible y un conjunto de datos de ray tracing multi-ciudad a gran escala (427,397 enlaces) para acelerar la investigación futura en modelado de canales condicionado a la escena.
4. Inferencia Eficiente: Una vez entrenado, CITYMPC genera realizaciones de canal durante la inferencia sin ray tracing, ofreciendo una aceleración de 1.90$\times$ en la latencia de extremo a extremo y una aceleración de 9.88$\times$ en el tiempo de paso hacia adelante del modelo en comparación con Sionna RT.

Resultados Experimentales

Evaluado en cinco ciudades diversas de EE. UU., CITYMPC supera a una fuerte línea base MLP (que utiliza ResNet-18 y MLP planos) en todas las métricas excepto en el F1 de presencia de trayecto, donde el rendimiento es comparable.

• Precisión: CITYMPC logra un MAE menor que la línea base en potencia recibida, ToF, retardo promedio y en las cuatro dimensiones angulares (azimut y elevación de AoD/AoA). La reducción del error de ToF es particularmente significativa (1.5$\times$ a 3.2$\times$ menor que la línea base).
• Fidelidad de Distribución: Las Funciones de Distribución Acumulada Empírica (CDF) de los parámetros generados se superponen estrechamente con la verdad fundamental de ray tracing, confirmando que el modelo captura las estadísticas marginales completas del canal.
• Generalización Inter-ciudad: El estudio revela cambios significativos de distribución entre ciudades. Los modelos entrenados en una ciudad se degradan al aplicarse a otros (por ejemplo, el MAE de potencia recibida aumenta de <2.1 dB a >7 dB), lo que indica que el entrenamiento por ciudad es actualmente necesario para una alta fidelidad.
• Rendimiento Cualitativo: Las realizaciones de canal generadas exhiben diversidad estocástica (diferentes configuraciones de trayecto para el mismo enlace) mientras mantienen estadísticas agregadas consistentes con la verdad fundamental, reproduciendo efectivamente mapas de potencia espacial incluyendo efectos de cañón de calle y sombras de edificios.

Significado y Limitaciones

El artículo posiciona a CITYMPC como una herramienta práctica para investigadores que requieren datos de canales a gran escala y específicos del sitio sin la carga computacional del ray tracing repetido. Establece una fuerte línea base en distribución para futuras investigaciones sobre generalización multi-ciudad.

Los autores reconocen explícitamente varias limitaciones:

• Brecha Sim-Real: El modelo no ha sido validado contra mediciones de canales del mundo real; la brecha entre simulación y realidad sigue siendo un desafío abierto.
• Transferencia Inter-ciudad: El rendimiento se degrada significativamente entre ciudades debido a cambios de distribución, lo que hace necesario el entrenamiento por ciudad.
• Alcance: El modelo actual se dirige a entornos macro-celda urbanos exteriores a 3.5 GHz con antenas omnidireccionales; la extensión a escenarios interiores, frecuencias mmWave y antenas direccionales aún no se aborda.
• Estabilidad del Entrenamiento: El uso de ponderación de incertidumbre de Kendall puede conducir a divergencia en el entrenamiento (abandono de tareas), lo que los autores planean abordar en trabajos futuros.