Active Sensing for RIS-Aided Tracking and Power Control: A Hybrid Neuroevolution and Supervised Learning Approach

Resumen Técnico: Detección Activa para el Seguimiento y Control de Potencia Asistido por RIS

Definición del Problema
Este artículo aborda el desafío de la localización y el seguimiento energéticamente eficientes para Equipos de Usuario (UE) móviles con limitaciones de potencia en entornos de trayectoria múltiple, asistidos por una Superficie Inteligente Reconfigurable (RIS). El estudio se centra en dos restricciones primarias inherentes a los despliegues prácticos de IoT para 6G:

1. Limitaciones de Hardware: Las implementaciones prácticas de RIS utilizan desplazamientos de fase discretos (a menudo binarios) en lugar de un ajuste continuo, lo que hace que la optimización tradicional basada en gradientes sea no diferenciable e intratable computacionalmente (NP-duro).
2. Restricciones de Energía y Retroalimentación: Los UE operan bajo presupuestos de energía estrictos donde las transmisiones de pilotos de alta potencia continua son insostenibles. Además, el enlace de retroalimentación desde la Estación Base (BS) hacia el UE para el control de potencia está restringido a un mensaje de un solo bit (por ejemplo, "aumentar" o "disminuir" la potencia) para acomodar receptores no coherentes de ultra bajo consumo.

El objetivo es optimizar conjuntamente la configuración de fase discreta de la RIS y la potencia de transmisión de subida del UE en tiempo real para minimizar el Error Cuadrático Medio (MSE) de la estimación de posición mientras se cumple con un presupuesto de potencia acumulado.

Metodología
Los autores proponen un marco de Aprendizaje Profundo de Agente Dual (DA) que integra la Neuroevolución (NE) con el Aprendizaje Supervisado para resolver este problema de control descentralizado y no diferenciable. El sistema consta de dos agentes que colaboran:

• Agente de la BS: Una Red Neuronal Recurrente (RNN) que utiliza unidades de Memoria de Corto Plazo de Largo Plazo (LSTM). Observa las señales de piloto recibidas y genera dos acciones: el siguiente perfil de fase discreta de la RIS y un comando de retroalimentación de un solo bit para el UE.
• Agente del UE: Una RNN basada en LSTM que procesa el historial de comandos de retroalimentación de un solo bit recibidos para ajustar dinámicamente su potencia de transmisión de piloto para el siguiente intervalo de tiempo.

Procedimiento de Entrenamiento
El marco emplea una metodología de entrenamiento híbrida de tres etapas para superar las limitaciones del retropropagación estándar:

1. Entrenamiento del Estimador Inicial: Se entrena una red de estimación mediante aprendizaje supervisado utilizando un conjunto de datos generado con perfiles de RIS y niveles de potencia aleatorios para establecer una base para la estimación de posición.
2. Evolución de la Política (Neuroevolución): Las redes de política de la BS y del UE se optimizan conjuntamente utilizando una estrategia evolutiva libre de gradientes (específicamente, una variante de CoSyNE). La función de aptitud penaliza las violaciones del presupuesto de potencia y recompensa errores de seguimiento menores. Esta etapa evita la no diferenciabilidad de los elementos discretos de la RIS.
3. Ajuste Fino del Estimador Final: Una vez evolucionadas las políticas, se reentrena una red de estimación final sobre los datos generados por las políticas optimizadas para maximizar la precisión de la localización.

El marco está diseñado para ser escalable, admitiendo BS de una sola antena y de múltiples antenas (con modificaciones arquitectónicas menores para seleccionar combinadores digitales de un código finito).

Contribuciones Clave

• Formulación de Problema Novedosa: El artículo formula el seguimiento activo de subida para UE con restricciones de potencia con estrictas restricciones de hardware (fases de RIS discretas) y cuellos de botella de información (retroalimentación de un solo bit), extendiéndose más allá de los estudios de localización estática previos.
• Algoritmo DA Híbrido: El desarrollo de un marco de NE de Agente Dual que maneja eficazmente la naturaleza no diferenciable del control de RIS discreto y el bucle de retroalimentación disperso, permitiendo el aprendizaje conjunto de la configuración de la RIS y el control de potencia.
• Robustez ante Restricciones: Se demuestra que el esquema propuesto funciona eficazmente con retroalimentación de un solo bit, donde el UE aprende a interpretar el historial temporal de comandos binarios para inferir la urgencia de la detección, mitigando así el cuello de botella de información.

Resultados Numéricos
Simulaciones extensas demuestran la superioridad del esquema propuesto sobre varias líneas base:

• Rendimiento de Seguimiento: El marco DA supera significativamente a los filtros clásicos (Filtro de Kalman Extendido, Filtro de Partículas) y a los rastreadores basados en aprendizaje automático (RNNs supervisadas, Aprendizaje por Refuerzo Profundo usando A2C) a través de varios modelos de movimiento, incluyendo altas tasas de giro y ruido de movimiento.
• Rendimiento de Localización: En escenarios estáticos, el método supera al fingerprinting tradicional (incluyendo variantes optimizadas por algoritmos genéticos), al aprendizaje puramente supervisado y a los estimadores basados en retropropagación que asumen fases de RIS continuas.
• Escalabilidad y Robustez: El algoritmo mantiene un alto rendimiento a medida que aumenta el tamaño de la RIS, mientras que las líneas base de gradiente y DRL se degradan. También se mantiene robusto bajo condiciones variables de desvanecimiento Riceano (bajo $\kappa$) y altos niveles de ruido.
• Eficiencia de Retroalimentación: A pesar de utilizar únicamente retroalimentación de un solo bit, el esquema propuesto logra un rendimiento casi idéntico al de los esquemas que utilizan enlaces de retroalimentación de escala completa o de múltiples bits, mientras consume significativamente menos energía del UE (cumpliendo con el presupuesto de potencia).

Significancia y Reivindicaciones
El artículo afirma que la detección activa, cuando se combina con un enfoque híbrido de neuroevolución y aprendizaje supervisado, puede superar eficazmente los desafíos duales de las restricciones de hardware discretas y los estrictos presupuestos de energía en las redes 6G. Los autores aseguran que su protocolo de colaboración aprendido permite a los dispositivos IoT ligeros lograr un seguimiento de alta precisión sin la necesidad de mecanismos de retroalimentación complejos y de alto consumo de energía, ni de un ajuste continuo de la RIS. Este trabajo establece un nuevo referente para la localización asistida por RIS y energéticamente eficiente, demostrando que la adaptación inteligente de la potencia de transmisión y la configuración de la RIS puede compensar los severos cuellos de botella de información.

Como trabajo futuro, se identifica la extensión de este marco a despliegues de múltiples RIS, la exploración de garantías de privacidad de ubicación e la integración de arquitecturas de redes neuronales basadas en modelos para reducir aún más la sobrecarga computacional.