⚡ electrical engineering

MultiPathFormer: Towards a Foundation Model for Multipath Wireless Propagation

El artículo presenta MultiPathFormer, un modelo fundacional inalámbrico que aprovecha la propagación de trayectorias múltiples como su objetivo central de preentrenamiento mediante la predicción de la siguiente trayectoria autorregresiva y mecanismos de recuperación conscientes del entorno, logrando un rendimiento superior en localización, predicción de haces y estimación de canales en comparación con los enfoques basados en canales existentes.

Autores originales: Blessed Guda, Kayley Sze, Carlee Joe-Wong

Publicado 2026-08-06

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Blessed Guda, Kayley Sze, Carlee Joe-Wong

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina intentar comprender una habitación llena de gente solo escuchando el zumbido total de las voces, sin poder distinguir a los hablantes individuales. Así es, aproximadamente, como las redes inalámbricas tradicionales han intentado comprender las ondas de radio: observan el "canal", que es una mezcla desordenada y enredada de todas las ondas de radio rebotando en paredes, coches y personas. Durante décadas, los científicos han intentado construir "modelos fundacionales" —cerebros de IA superinteligentes entrenados con cantidades masivas de datos— para predecir cómo se comportan estas señales. Estos modelos son como los "GPT" del mundo inalámbrico, diseñados para ayudar con tareas como encontrar tu ubicación, conectar tu teléfono al haz de señal más rápido o determinar si tienes una línea de visión directa con una torre. Pero hay un inconveniente: estos modelos han estado intentando aprender el "zumbido" en lugar de los "hablantes". Tratan la señal como una cuadrícula gigante y confusa de números, ignorando el hecho de que la señal está hecha en realidad de trayectorias distintas, como haces de luz individuales reflejándose en espejos.

Aquí es donde la historia se pone interesante. Los investigadores de la Universidad Carnegie Mellon se hicieron una pregunta sencilla: ¿Y si dejáramos de intentar memorizar el zumbido desordenado y empezáramos a enseñar a la IA a entender las trayectorias individuales? Se dieron cuenta de que las ondas de radio no aparecen simplemente; viajan, rebotan y se dispersan de formas específicas. Al tratar cada trayectoria como un personaje distinto en una historia, esperaban construir un modelo que comprendiera la física de la habitación, no solo las matemáticas del ruido. Esto es importante porque, a medida que nuestro mundo se congestiona con redes 5G y 6G, necesitamos señales que sean más inteligentes, rápidas y precisas para navegar en entornos complejos como ciudades y estadios.

Entra en escena MultiPathFormer, un nuevo tipo de modelo fundacional de IA que cambia las reglas del juego. En lugar de mirar la señal inalámbrica como una hoja de cálculo gigante y enredada, los autores decidieron tratarla como una historia. Imagina que eres una onda de radio viajando desde una torre de telefonía hasta tu teléfono. No vas simplemente en línea recta; podrías rebotar en un edificio de cristal, rozar la parte superior de un coche o difractarte alrededor de una esquina. Cada uno de estos rebotes es una "trayectoria". El modelo MultiPathFormer observa una conexión entre una torre y un teléfono y la ve no como un bloque de datos, sino como una lista ordenada de estas trayectorias, clasificadas de la más fuerte a la más débil.

El modelo se entrena utilizando una técnica llamada "predicción de la siguiente trayectoria" (next-path prediction). Piensa en ello como un juego de "Mad Libs" o un juego de completar historias. A la IA se le muestran las primeras trayectorias (las más fuertes) y tiene que adivinar cuál será la siguiente trayectoria en la secuencia. Tiene que averiguar: ¿Cuánto tiempo tardó en llegar? ¿Qué tan fuerte es la señal? ¿Rebotó en una pared o se dispersó a través de una ventana? Para lograr esto, el modelo utiliza un "backbone" especial (un tipo de red neuronal llamada transformer) que es excelente entendiendo secuencias, de forma similar a cómo los modelos de lenguaje entienden las frases.

Sin embargo, los autores se dieron cuenta de que solo adivinar la siguiente trayectoria no es suficiente; la IA necesita conocer la "escena". Si estás en una ciudad, las trayectorias serán diferentes a si estás en un bosque. Para resolver esto, añadieron dos trucos ingeniosos. Primero, construyeron un sistema de "RAG Ambiental". Esto es como darle a la IA un mapa y una lista de objetos cercanos. Antes de que adivine la siguiente trayectoria, consulta la geometría específica del área: dónde están los edificios, qué altura tienen y de qué están hechos, para hacer una suposición más inteligente. Segundo, añadieron un "Codebook de la Primera Trayectoria". Dado que la primera trayectoria suele ser la más fuerte y la más importante (como el personaje principal de una historia), crearon una guía de referencia. Este codebook agrupa a los usuarios en grupos basados en su ubicación y el tipo de señal que suelen recibir, ayudando a la IA a hacer una predicidad muy precisa para esa primera trayectoria, la más crítica, antes de completar el resto de los detalles.

Los resultados de este enfoque son bastante impresionantes, al menos en las simulaciones que realizaron los autores. Entrenaron MultiPathFormer con datos de 27 entornos diferentes, utilizando más de 23 millones de tokens de trayectoria. Cuando lo probaron, el modelo no solo adivinó; aprendió las reglas subyacentes de cómo se mueven las ondas de radio.

En términos de precisión, el modelo demostró que podía predecir el retardo y la potencia de estas trayectorias mucho mejor que los métodos anteriores. Específicamente, la combinación del mapa ambiental y la guía de referencia de la primera trayectoria redujo el error en la predicción del retardo de la señal en aproximadamente un 38.7% y el error en la predicción de la potencia de la señal en un masivo 59.2% en comparación con los modelos que no utilizaban estos trucos.

Pero la verdadera prueba era si este cerebro "basado en trayectorias" podía realmente ayudar con tareas del mundo real. Los investigadores pusieron a trabajar a MultiPathFormer en cuatro desafíos diferentes:

Predicción de Haz (Beam Prediction): Determinar en qué dirección apuntar la antena para obtener la mejor señal. MultiPathFormer acertó los 3 mejores haces correctos el 91.4% de las veces, superando a los mejores modelos previos.
Localización (Localization): Averiguar exactamente dónde se encuentra un usuario. El modelo obtuvo un error medio de solo 5.57 metros, lo que supone una mejora enorme frente a los errores de 68 a 82 metros vistos en otros modelos.
Clasificación de Línea de Visión (Line-of-Sight Classification): Determinar si el usuario tiene una visión directa de la torre o si algo bloquea el camino. El modelo fue correcto el 99.4% de las veces.
Estimación de Canal (Channel Estimation): Reconstruir la imagen completa de la señal a partir de datos parciales. El modelo logró una puntuación de 0.561, superando a los modelos estándar.

Los autores también descubrieron que este modelo es muy flexible. Incluso cuando le daban un entorno completamente nuevo que nunca había visto, podía seguir funcionando bien, especialmente si se le daba un poco de entrenamiento adicional (ajuste fino o fine-tuning) para ese lugar específico. También era rápido, realizando predicciones en solo unos pocos milisegundos, lo cual es lo suficientemente rápido para un uso en tiempo real.

El artículo sugiere que, al centrarse en las trayectorias individuales en lugar del canal desordenado en su conjunto, podemos construir una IA inalámbrica que sea más interpretable, más precisa y mejor en la comprensión del mundo físico. Los autores señalan que, aunque estos resultados se basan en simulaciones de alta fidelidad (utilizando software de trazado de rayos para imitar las ondas de radio reales), el siguiente paso sería ver si estas ganancias se mantienen en la realidad desordenada e impredecible de las calles de la ciudad. Por ahora, sin embargo, MultiPathFormer ofrece una nueva y prometedora forma de enseñar a las máquinas a escuchar el mundo invisible que nos rodea.

Resumen Técnico: MultiPathFormer

Planteamiento del Problema

Los modelos fundacionales inalámbricos actuales suelen depender del Modelado de Canal con Máscara (MCM - Masked Channel Modelling) como objetivo de preentrenamiento. En este paradigma, los modelos se entrenan para reconstruir elementos enmascarados de un tensor de canal (que abarca subportadoras, antenas o tiempo). Los autores argumentan que el tensor de canal es un objeto de preentrenamiento subóptimo porque es una superposición de trayectoras de propagación entrelazadas con respuestas de arreglos, muestreo de subportadoras y configuraciones del sistema. Este "colapso" de los fenómenos físicos oscurece la estructura subyacente dependiente del entorno, limitando la interpretabilidad del modelo y su capacidad para desambiguar usuarios con canales agregados similares pero diferentes ubicaciones físicas.

Además, las formulaciones estándar de MCM tienen dificultades para capturar la física fundamental de la propagación inalámbrica, la cual está gobernada por un número variable de trayectorias de valores continuos (caracterizadas por retardo, potencia, fase y ángulos) en lugar de una cuadrícula fija de tokens discretos.

Metodología: MultiPathFormer

El artículo propone MultiPathFormer, un modelo fundacional autorregresivo que desplaza el objeto de preentrenamiento del tensor de canal al proceso de propagación de trayectoras múltiples (multipath).

1. Formulación Central

Representación a Nivel de Trayectoria: Cada enlace transmisor-receptor (tx-rx) se modela como una secuencia ordenada de tokens de trayectoria de valores continuos. Un token de trayectoria $\pi$ incluye potencia ( $\rho$ ), retardo ( $\tau$ ), fase ( $\phi$ ), ángulos de llegada/salida (azimut/elevación) y un vector de interacción multi-hot (Línea de Visión, Reflexión, Difracción, Dispersión).
Predicción Autorregresiva: El modelo se preentrena utilizando un objetivo de predicción de la siguiente trayectoria, análogo a la predicción del siguiente token en los modelos de lenguaje, pero adaptado para la regresión continua.
- Ordenamiento: Las trayectoras se ordenan por potencia descendente para crear una secuencia determinista.
- Terminación: En lugar de un token especial de fin de secuencia, el modelo predice explícitamente el número total de trayectorias ( $L$ ) para determinar cuándo detener la generación.
Arquitectura: El núcleo es un transformador de codificador-decodificador (encoder-decoder).
- Codificador (Encoder): Procesa las posiciones tx-rx y las características del entorno para predecir la longitud total de las trayectorias y generar representaciones fundamentadas en el entorno.
- Decodificador (Decoder): Genera de forma autorregresiva los parámetros de la trayectoria condicionados por las trayectorias previas y la representación ambiental del codificador.

2. Innovaciones Arquitectónicas Clave

Para abordar los desafíos de la regresión continua y el dominio de la primera trayectoria, los autores introducen dos mecanismos específicos:

Generación Aumentada por Recuperación Ambiental (RAG - Environmental Retrieval Augmented Generation):
- Reconociendo que la formación de trayectorias depende de la geometría local y los objetos a lo largo del corredor de propagación, el modelo recupera un contexto de escena específico en lugar de usar un descriptor global grueso.
- Estrategia de Recuperación: Recupera tres tipos de características:
  1. Local Densa: Top- $K$ objetos cerca del transmisor y el receptor.
  2. De Corredor Densa: Top- $K$ objetos que yacen cerca de la línea de propagación tx-rx.
  3. Esparcia Multiescala: Estadísticas agregadas (conteos, alturas máximas) sobre radios crecientes y bins de corredor para capturar la densidad de obstáculos más amplia.
- Estas características recuperadas se concatenan para formar un vector de contexto específico para el par.
Libro de Códigos de la Primera Trayectoria (First-Path Cluster Codebook):
- La primera trayectoria (trayectoria dominante) es crítica, ya que los errores aquí se propagan a través de la generación autorregresiva.
- Los autores observan que los receptores cercanos a un transmisor fijo comparten una demora y potencia de primera trayectoria similares debido a una geometría de gran escala compartida.
- Mecanismo: Se entrena un libro de códigos K-Means sobre la potencia/retardo de la primera trayectoria de los usuarios de entrenamiento. En la inferencia, un receptor se asigna a un centroide de clúster basado en su proximidad a los usuarios de entrenamiento.
- Aprendizaje de Residuos: El modelo utiliza este centroide como una inicialización fuerte y solo predice la corrección residual para la primera trayectoria. Las trayectorias subsiguientes ( $t \ge 2$ ) se predicen mediante autorregresión estándar.

Principales Contribuciones

Formulación Autorregresiva a Nivel de Trayectoria: El primer modelo fundacional inalámbrico que trata la propagación de trayectorias múltiples como una secuencia ordenada de tokens continuos, yendo más allá del enmascaramiento del tensor de canal.
RAG Ambiental y Libro de Códigos: La integración de un mecanismo de recuperación para la geometría específica del par y un prior basado en clústeres para la trayectoria dominante, lo que estabiliza significativamente la generación y mejora la estimación de parámetros físicos.
Transferibilidad: Demostración de que el modelo aprende representaciones reutilizables que se transfieren a usuarios no vistos dentro de los entornos de preentrenamiento y se adaptan eficazmente a nuevos entornos mediante el ajuste fino (fine-tuning).
Desempeño en Tareas Derivadas: Validación en cuatro tareas: predicción de haz (beam prediction), localización de usuario, clasificación de Línea de Visión (LoS) y estimación de canal.

Resultados Experimentales

El modelo fue preentrenado en 27 entornos del conjunto de datos DeepMIMO (23.9M de tokens de trayectoria múltiple) y evaluado en 31 escenarios.

Calidad de la Generación de Trayectorias Múltiples

Precisión: Comparado con una línea base de autorregresión directa, el MultiPathFormer completo (+RAG) redujo el MAE de Retardo en un 38.7% y el MAE de Potencia en un 59.2%.
Clasificación de Interacción: Mejoró la precisión del tipo de interacción de 0.870 a 0.925 y el F1 de 0.786 a 0.890.
Eficiencia de Datos: El modelo mantiene tasas de error bajas incluso con solo el 10% de los usuarios de entrenamiento, demostrando la robustez del prior del libro de códigos.

Desempeño en Tareas Derivadas

MultiPathFormer superó a los modelos fundacionales basados en canales de última generación (WiFo, LWM) y a las líneas base específicas de cada tarea:

Predicción de Haz: Logró una precisión Top-3 de 0.914 (frente a 0.648 de LWM).
Localización de Usuario: Logró un error medio de 5.57 m (frente a 68.79 m de WiFo).
Clasificación de LoS: Logró una precisión de 0.994 (frente a 0.978 de LWM).
Estimación de Canal: Logró un NMSE de 0.561 (frente a 1.321 de WiFo).

Costo de Inferencia

El modelo opera con baja latencia (aproximadamente 3.45 ms por inferencia para la variante completa +RAG), con los módulos RAG y de libro de códigos añadiendo una sobrecarga insignificante (<1 ms) y un incremento mínimo de parámetros.

Significado y Reivindicaciones

El artículo sostiene que el preentrenamiento a nivel de trayectoria es un enfoque superior para los modelos fundacionales inalámbricos porque aprende explícitamente la estructura física de la propagación (retardo, ángulos, interacciones) en lugar del tensor de canal entrelazado.

Interpretabilidad: Los mecanismos de atención del modelo se alinean con la intuición física; el decodificador atiende a las posiciones globales para las primeras trayectorias (LoS) y a tokens de objetos específicos para las trayectorias posteriores.
Reutilización: Las representaciones aprendidas no están ligadas a configuraciones específicas de antenas o subportadoras, lo que permite la transferencia entre diferentes usuarios y entornos.
Fundamento para 6G: Al capturar la física subyacente de las trayectorias múltiples, el modelo proporciona un punto de partida reutilizable para diversas tareas derivadas como la selección de haz y la localización, que son críticas para los despliegues de mmWave y massive MIMO.

Los autores concluyen que, si bien los resultados actuales se basan en simulaciones de trazado de rayos (ray-tracing), el marco establece un nuevo paradigma para los modelos fundacionales inalámbricos que prioriza la interpretabilidad física y la consistencia geométrica.