Resumen Técnico: SkySense

1. Declaración del Problema

El artículo aborda el desafío crítico de localizar Vehículos Aéreos No Tripulados (UAV) no cooperativos y no autorizados dentro de las redes de Integración de Detección y Comunicación (ISAC) de 6G. Si bien el perfilado de la Información de Estado del Canal (CSI) ofrece una solución de detección pasiva prometedora, los enfoques actuales basados en aprendizaje profundo enfrentan tres limitaciones fundamentales:

• Ambigüedad Espacial: Posiciones físicas distintas pueden inducir perfiles de CSI altamente similares debido a los efectos de la multitrayectoria. Los modelos discriminativos convencionales suelen fallar aquí, produciendo coordenadas "promedio" inválidas (colapso de la media) cuando se enfrentan a mapeos superpuestos.
• Escasez de Datos: El despliegue práctico se ve obstaculizado por el costo extremo de adquirir conjuntos de datos masivos etiquetados con Cinemática de Tiempo Real (RTK) a nivel de centímetros, requeridos para un entrenamiento totalmente supervisado.
• Latencia de Inferencia: Aunque los modelos de difusión generativos pueden resolver la ambigüedad espacial de forma probabilística, su dependencia de procesos de eliminación de ruido iterativos de larga cadena de Markov crea una latencia prohibitiva, lo que los hace inadecuados para el seguimiento de UAV altamente dinámico y en tiempo real.

2. Metodología: El Marco de Trabajo SkySense

Los autores proponen SkySense, un marco generativo semi-supervisado de extremo a extremo diseñado para superar estos cuellos de botella. La arquitectura opera en dos etapas distintas y soporta la fusión distribuida de múltiples estaciones base (BS).

A. Representación Espacial Auto-supervisada (Etapa I)

Para mitigar la dependencia de los datos etiquetados, el marco explota la continuidad cinemática de las trayectorias de vuelo de los UAV.

• Mecanismo: Un codificador auto-supervisado ($E_\theta$) se pre-entrena en secuencias de CSI masivas no etiquetadas.
• Objetivo: Emplea una estrategia de aprendizaje contrastivo temporal. Al construir una matriz de predicción de similitud espacial basada en características latentes aprendidas y alinearla con una matriz objetivo temporal (modelada mediante decaimiento gaussiano basado en marcas de tiempo), el codificador aprende representaciones espaciales robustas sin requerir coordenadas físicas. Esto asegura que el modelo capture la variedad espacial subyacente de la trayectoria de vuelo.

B. Columna Verteal Generativa de Consistencia Condicional (Etapa II)

Para resolver la ambigüedad espacial y reducir la latencia, el marco utiliza un Modelo de Consistencia (un derivado de las arquitecturas de difusión) como la columna vertebral generativa central ($F_\phi$).

• Formulación Generativa: En lugar de modelar el proceso completo de difusión inversa, el modelo aprende un mapeo directo desde estados ruidosos arbitrarios hacia el origen físico limpio. Parametriza la perturbación utilizando una escala de ruido continua $\sigma$.
• Objetivo de Entrenamiento: La columna vertebral se ajusta conjuntamente con el codificador pre-entrenado utilizando un conjunto limitado de datos etiquetados. La función de pérdida ($L_{total}$) combina:
  1. Consistencia Estructural ($L_{cons}$): Asegura que las predicciones de diferentes niveles de ruido a lo largo de la misma trayectoria mapeen hacia la misma coordenada limpia e idéntica.
  2. Ancla Física ($L_{anchor}$): Ancla las predicciones generativas a las escasas coordenadas de verdad de terreno.
• Eficiencia de Inferencia: A diferencia de los modelos de difusión tradicionales que requieren cientos de pasos, la formulación de consistencia permite que la trayectoria de inferencia se comprima a 1–2 pasos, evitando el cuello de botella de la eliminación de ruido iterativa.

C. Fusión Distribuida de Multi-BS

El marco soporta un mecanismo de fusión distribuido ligero. Durante la inferencia en línea, múltiples estaciones base generan independientemente propuestas de coordenadas basadas en su CSI local. Estas predicciones se agregan mediante un mecanismo de consenso espacial (promediado) para formar una estimación unificada, resolviendo eficazmente la ambigüedad de la multitrayectoria desde una perspectiva de geometría de multivista.

3. Contribuciones Clave

• Paradigma Generativo Semi-supervisado: El artículo introduce un nuevo marco que combina el aprendizaje de representación auto-supervisado con la generación de consistencia condicional, abordando simultáneamente los problemas de escasez de datos y ambigüedad espacial.
• Optimización de Latencia: Al adoptar un modelo de consistencia sobre los modelos de difusión estándar, el marco logra capacidades de inferencia en tiempo real (1–2 pasos) manteniendo los beneficios probabilísticos del modelado generativo.
• Pre-entrenamiento con Conocimiento Físico: La estrategia auto-supervisada aprovecha el principio físico de que las observaciones temporalmente adyacentes son espacialmente próximas, proporcionando una inicialización robusta que reduce la dependencia de datos etiquetados.
• Fusión Distribuida: Se propone un mecanismo ligero para agregar predicciones de múltiples estaciones base sin la sobrecarga prohibitiva del entrenamiento conjunto de multi-BS.

4. Resultados Experimentales

El marco fue evaluado en un conjunto de datos de UAV de ISAC de código abierto del mundo real que contiene mediciones de radar de 3-BS en entornos urbanos complejos.

• Precisión bajo Escasez de Etiquetas: Con solo el 1% de datos etiquetados (coordenadas RTK), SkySense logró un error de localización 3D medio de 9.77 cm en una configuración de fusión de 3-BS.
• Comparación con Baselines:
  • SkySense superó significativamente a los baselines discriminativos totalmente supervisados (ej. FC-AE-GPR) y a los baselines discriminativos semi-supervisados (ej. SSLUL).
  • Bajo escasez extrema de etiquetas (0.1%), SkySense mantuvo una precisión de nivel decímetro, mientras que los modelos discriminativos sufrieron un colapso de precisión.
  • Comparado con los Modelos Probabilísticos de Difusión Estándar (DDPM), SkySense evitó la degradación catastrófica del rendimiento (error de DDPM >245 cm en entornos semi-supervisados) y eliminó la necesidad de largas cadenas de inferencia.
• Estudios de Ablación:
  • Arquitectura de la Columna Verteal: La variante U-Net de la columna vertebral funcionó mejor, confirmando la necesidad de estructuras jerárquicas para la preservación de características espaciales.
  • Consistencia vs. Difusión: El objetivo de consistencia resultó crítico; el DDPM estándar falló al establecer mapeos robustos con pocos anclajes.
  • Fusión Multi-BS: Pasar de una configuración de una sola BS a una de 3-BS redujo el error de ~20.67 cm a 9.77 cm, demostando la efectividad del consenso espacial para resolver la ambigüedad.
• Eficiencia de Inferencia: SkySense mantuvo una precisión robusta incluso cuando se comprimió a 1–2 pasos de inferencia, mientras que el truncamiento de las trayectorias de DDPM causó un crecimiento exponencial del error.

5. Significancia y Reivindicaciones

Los autores afirman que SkySense representa un avance significativo para los despliegues prácticos de ISAC al resolver el "trilema" de escasez de datos, ambigüedad espacial y latencia de inferencia.

• Practicidad: El marco permite la localización a nivel de centímetros con un esfuerzo mínimo de anotación (1% de etiquetas), lo que lo hace factible para escenarios donde adquirir grandes conjuntos de datos etiquetados es prohibitivamente costoso.
• Capacidad en Tiempo Real: Al reducir la inferencia a 1–2 pasos, el sistema se vuelve computacionalmente viable para el seguimiento de UAV altamente dinámico, una limitación de los enfoques generativos previos.
• Robustez: El modelado probabilístico de la distribución condicional resuelve eficazmente el problema del colapso de la media inherente a los modelos discriminativos cuando se enfrentan a ambigüedades espaciales de multitrayectoria.

El artículo concluye que este enfoque proporciona una base escalable para la localización ubicua de UAV, con trabajos futuros que apuntan a utilizar conjuntos de datos sintéticos y transferencia de Sim-to-Real para eliminar aún más la dependencia de las mediciones empíricas.