RF-GPT: Teaching AI to See the Wireless World

1. Il Problema

Le attuali Intelligenze Artificiali, in particolare i Large Language Models (LLM) e i modelli multimodali (VLM), hanno rivoluzionato l'elaborazione del testo, delle immagini e dell'audio. Tuttavia, esiste un divario significativo tra queste capacità di ragionamento e la percezione dei segnali a radiofrequenza (RF), che costituiscono il livello fisico delle comunicazioni wireless.

• Limitazioni degli approcci attuali: I modelli esistenti per le telecomunicazioni sono spesso specifici per un singolo compito (es. classificazione della modulazione, stima del canale) e richiedono dataset etichettati manualmente, costosi e difficili da scalare. Non offrono spiegazioni naturali né interfacce interattive.
• Il divario modale: I modelli telecom specifici (come TelecomGPT) gestiscono solo dati testuali o strutturati (log, KPI), ma non possono "vedere" o analizzare direttamente le forme d'onda RF, gli spettrogrammi o le stime del canale.
• Mancanza di dati: Non esistono dataset su larga scala di segnali RF reali con annotazioni testuali esperte, rendendo difficile l'addestramento di modelli fondazionali per l'RF.

2. Metodologia: RF-GPT

Il paper propone RF-GPT, un modello linguistico a radiofrequenza (RFLM) che integra i segnali RF in un LLM multimodale, trattando gli spettrogrammi come input visivi.

Architettura del Modello

1. Codifica RF (RF Encoder):
   • I segnali complessi in fase/quadratura (IQ) vengono convertiti in spettrogrammi tempo-frequenza utilizzando la Trasformata di Fourier a Breve Termine (STFT).
   • Gli spettrogrammi (in scala di grigi o pseudo-RGB) vengono elaborati da un encoder visivo pre-addestrato (basato su architetture Vision Transformer, come in Qwen-VL o LLaVA).
   • Questo processo trasforma i pattern temporali e frequenziali (modulazione, allocazione risorse, interferenze) in una sequenza di "token RF".
2. Adattatore (Adapter):
   • Un layer lineare leggero proietta i token RF nello spazio di embedding del linguaggio, permettendo all'LLM di comprenderli.
3. Modello Linguistico (Decoder-only LLM):
   • Un LLM decoder-only (es. Qwen2.5-VL) riceve i token RF come prefisso e genera risposte testuali, spiegazioni o output strutturati (JSON) basati su istruzioni naturali.

Creazione del Dataset (Grounding Sintetico)

Poiché mancano dati reali etichettati, gli autori hanno sviluppato una pipeline di generazione sintetica:

• Generatori di Forme d'Onda: Utilizzo di toolbox MATLAB conformi agli standard (5G NR, LTE, UMTS, WLAN, DVB-S2, Bluetooth) per generare forme d'onda realistiche con metadati esatti (tipo di modulazione, SNR, larghezza di banda, allocazione risorse).
• Captioning Deterministico: Conversione automatica dei metadati in descrizioni tecniche dettagliate degli spettrogrammi.
• Sintesi delle Istruzioni: Utilizzo di un LLM testuale per trasformare le descrizioni tecniche in coppie Istruzione-Risposta diversificate (domande di conteggio, analisi di sovrapposizione, estrazione di parametri, JSON strutturati).
• Risultato: Un dataset di circa 12.000 scene RF e 0,625 milioni di esempi di istruzioni, senza alcuna annotazione manuale.

Addestramento

Il modello viene sottoposto a Supervised Fine-Tuning (SFT) su questo dataset sintetico, ottimizzando la funzione di perdita cross-entropy per allineare i pattern RF negli spettrogrammi con i concetti linguistici.

3. Contributi Chiave

1. Definizione di RFLM: Formalizzazione del concetto di modello linguistico basato su token RF, capace di rispondere a domande complesse sul segnale fisico.
2. Pipeline di Sintesi Scalabile: Sviluppo di un metodo automatico per generare dataset RF-testo su larga scala, superando il collo di bottiglia dell'etichettatura manuale.
3. Benchmark Completo: Creazione di una suite di valutazione che copre:
   • Classificazione della modulazione a banda larga (WBMC).
   • Analisi delle sovrapposizioni temporali e frequenziali (WBOD).
   • Riconoscimento della tecnologia wireless (WTR).
   • Conteggio degli utenti WLAN (WNUC).
   • Estrazione di informazioni specifiche per il 5G NR (NRIE).
4. Dimostrazione dell'Effettività: Prova empirica che il "grounding" (ancoraggio) ai dati RF è essenziale per il ragionamento, poiché i modelli VLM generici falliscono completamente senza di esso.

4. Risultati Sperimentali

I risultati mostrano un divario enorme tra i modelli generici e RF-GPT:

• Modelli VLM Generici (Baseline): Modelli come Qwen2.5-VL o GPT-5, anche con prompt specifici, ottengono prestazioni vicine al casuale (spesso <5-10%) su tutti i task. Non riescono a contare i segnali, identificare le tecnologie o analizzare le sovrapposizioni, dimostrando di non possedere alcun "prior" RF.
• RF-GPT (3B e 7B parametri):
  • WBMC: Accuratezza superiore al 97% nel contare i segnali e classificarli (es. 82.4% su task difficili per il modello 7B).
  • WBOD: Accuratezza del 91.5% (Easy) e 71.7% (Hard) nell'analisi delle sovrapposizioni tempo-frequenza.
  • WTR: Riconoscimento quasi perfetto delle tecnologie e della direzione del link (>99.6%).
  • NRIE: Estrazione accurata di parametri 5G (SCS, pattern SSB, numero di UE) con un'accuratezza media del 72-76%, superando le CNN e i Transformer specializzati addestrati per 30 epoche, pur essendo addestrato in sole 3 epoche.
• Robustezza: Il modello mantiene alte prestazioni anche in presenza di disturbi (IQ imbalance, non linearità PA, offset di frequenza), sebbene l'equilibrio IQ sia l'impairment più critico.

5. Significato e Impatto

• Unificazione delle Interfacce: RF-GPT trasforma l'analisi RF da un processo di classificazione "scatola nera" a un'interfaccia conversazionale. Gli ingegneri possono chiedere "Quanti utenti sono attivi?" o "C'è interferenza?" e ottenere risposte spiegabili.
• Efficienza dei Dati: Dimostra che è possibile addestrare modelli fondazionali per l'RF utilizzando dati sintetici di alta qualità, aggirando la necessità di costose campagne di misurazione sul campo per l'etichettatura.
• Verso le Reti 6G: Questo lavoro è un passo cruciale verso le reti AI-native, dove l'intelligenza artificiale non solo gestisce i log di rete, ma comprende direttamente lo spettro radio, permettendo diagnosi autonome, ottimizzazione delle risorse e gestione del ciclo chiuso (closed-loop) basata sulla percezione fisica.
• Scalabilità: L'approccio basato su istruzioni permette di aggiungere nuovi task (es. rilevamento di nuove tecnologie) semplicemente cambiando il prompt, senza ri-addestrare architetture separate.

In sintesi, il paper dimostra che integrando gli spettrogrammi RF nei modelli linguistici multimodali tramite un grounding sintetico rigoroso, è possibile creare sistemi di intelligenza artificiale capaci di "vedere" e ragionare sul mondo wireless con un livello di dettaglio e flessibilità precedentemente inaccessibile.