Resumo Técnico: SkySense

1. Declaração do Problema

O artigo aborda o desafio crítico de localizar Veículos Aéreos Não Tripulados (UAVs) não cooperativos e não autorizados em redes de Integração de Sensoriamento e Comunicação (ISAC) 6G. Embora o fingerprinting de Informação de Estado de Canal (CSI) ofereça uma solução de sensoriamento passivo promissora, as abordagens existentes baseadas em aprendizado profundo enfrentam três limitações fundamentais:

• Ambiguidade Espacial: Posições físicas distintas podem induzir fingerprints de CSI altamente semelhantes devido aos efeitos de multicaminho. Modelos discriminativos convencionais falham aqui, gerando coordenadas "médias" inválidas (colapso da média) ao enfrentar mapeamentos sobrepostos.
• Escassez de Dados: A implantação prática é dificultada pelo custo extremo de adquirir conjuntos de dados massivos rotulados com Cinemática de Precisão (RTK) em nível de centímetro, necessários para o treinamento totalmente supervisionado.
• Latência de Inferência: Embora modelos de difusão generativa possam resolver ambiguidades espaciais probabilisticamente, sua dependência de processos de denoising iterativos de longa cadeia de Markov cria uma latência proibitiva, tornando-os inadequados para o rastreamento de UAVs altamente dinâmicos e em tempo real.

2. Metodologia: O Framework SkySense

Os autores propõem o SkySense, um framework generativo semisupervisionado de ponta a ponta projetado para superar esses gargalos. A arquitetura opera em dois estágios distintos e suporta a fusão distribuída de múltiplas estações base (BS).

A. Representação Espacial Autossupervisionada (Estágio I)

Para mitigar a dependência de dados rotulados, o framework explora a continuidade cinemática das trajetórias de voo dos UAVs.

• Mecanismo: Um codificador autossupervisionado ($E_\theta$) é pré-treinado em sequências de CSI não rotuladas massivas.
• Objetivo: Ele emprega uma estratégia de aprendizado contrastivo temporal. Ao construir uma matriz de predição de similaridade espacial baseada em características latentes aprendidas e alinhá-la com uma matriz alvo temporal (modelada via decaimento Gaussiano baseado em timestamps), o codificador aprende representações espaciais robustas sem exigir coordenadas físicas. Isso garante que o modelo capture o manifold espacial subjacente da trajetória de voo.

B. Backbone Generativo de Consistência Condicional (Estágio II)

Para resolver a ambiguidade espacial e reduzir a latência, o framework utiliza um Modelo de Consistência (um derivado de arquiteturas de difusão) como o backbone generativo central ($F_\phi$).

• Formulação Generativa: Em vez de modelar o processo completo de difusão reversa, o modelo aprende um mapeamento direto de estados ruidosos arbitrários para a origem física limpa. Ele parametriza a perturbação usando uma escala de ruído contínua $\sigma$.
• Objetivo de Treinamento: O backbone é ajustado conjuntamente com o codificador pré-treinado usando um conjunto limitado de dados rotulados. A função de perda ($L_{total}$) combina:
  1. Consistência Estrutural ($L_{cons}$): Garante que as predições de diferentes níveis de ruído ao longo da mesma trajetória mapeiem para a mesma coordenada limpa idêntica.
  2. Âncora Física ($L_{anchor}$): Ancorar as predições generativas às coordenadas de verdade fundamental (ground-truth) escassas.
• Eficiência de Inferência: Diferente dos modelos de difusão tradicionais que exigem centenas de passos, a formulação de consistência permite que a trajetória de inferência seja comprimida para 1–2 passos, contornando o gargalo de denoising iterativo.

C. Fusão Distribuída Multi-BS

O framework suporta um mecanismo de fusão distribuída leve. Durante a inferência online, múltiplas estações base geram propostas de coordenadas independentemente com base em seu CSI local. Essas predições são agregadas via um mecanismo de consenso espacial (média) para formar uma estimativa unificada, efetivamente suprimindo a ambiguidade de multicaminho sob uma perspectiva de geometria multi-view.

3. Principais Contribuições

• Paradigma Generativo Semisupervisionado: O artigo introduz um novo framework que combina aprendizado de representação autossupervisionado com geração de consistência condicional, abordando simultaneamente os problemas de escassez de dados e ambiguidade espacial.
• Otimização de Latência: Ao adotar um modelo de consistência sobre os modelos de difusão padrão, o framework alcança capacidades de inferência em tempo real (1–2 passos) enquanto mantém os benefícios probabilísticos da modelagem generativa.
• Pré-treinamento Consciente da Física: A estratégia autossupervisionada aproveita o princípio físico de que observações temporalmente adjacentes são espacialmente próximas, fornecendo uma inicialização robusta que reduz a dependência de dados rotulados.
• Fusão Distribuída: Um mecanismo leve é proposto para agregar predições de múltiplas estações base sem o overhead proibitivo do treinamento conjunto multi-BS.

4. Resultados Experimentais

O framework foi avaliado em um dataset de UAV ISAC de mundo real contendo medições de vigilância de radar de 3-BS em ambientes urbanos complexos.

• Precisão sob Escassez de Rótulos: Com apenas 1% de dados rotulados (coordenadas RTK), o SkySense alcançou um erro médio de localização 3D de 9,77 cm em uma configuração de fusão de 3-BS.
• Comparação com Baselines:
  • O SkySense superou significativamente os baselines discriminativos totalmente supervisionados (ex: FC-AE-GPR) e os baselines discriminativos semisupervisionados (ex: SSLUL).
  • Sob escassez extrema de rótulos (0,1%), o SkySense manteve precisão em nível de decímetro, enquanto os modelos discriminativos sofreram colapso de precisão.
  • Comparado aos Modelos Probabilísticos de Difusão Padrão (DDPM), o SkySense evitou a degradação catastrófica de desempenho (erro DDPM > 245 cm em configurações semisupervisionadas) e eliminou a necessidade de longas cadeias de inferência.
• Estudos de Ablação:
  • Arquitetura do Backbone: A variante U-Net do backbone apresentou o melhor desempenho, confirmando a necessidade de estruturas hierárquicas para preservação de características espaciais.
  • Consistência vs. Difusão: O objetivo de consistência provou ser crítico; o DDPM padrão falhou em estabelecer mapeamentos robustos com poucas âncoras.
  • Fusão Multi-BS: Mudar de uma configuração de 1-BS para 3-BS reduziu o erro de ~20,67 cm para 9,77 cm, demonstrando a eficácia do consenso espacial para resolver ambiguidades.
• Eficiência de Inferência: O SkySense manteve uma precisão robusta mesmo quando comprimido para 1–2 passos de inferência, enquanto o truncamento das trajetórias do DDPM causou crescimento exponencial do erro.

5. Significância e Alegações

Os autores afirmam que o SkySense representa um avanço significativo para implantações práticas de ISAC ao resolver o "trilema" de escassez de dados, ambiguidade espacial e latência de inferência.

• Praticidade: O framework permite localização em nível de centímetro com esforço mínimo de anotação (1% de rótulos), tornando-o viável para cenários onde a aquisição de grandes conjuntos de dados rotulados é proibitivamente cara.
• Capacidade de Tempo Real: Ao reduzir a inferência para 1–2 passos, o sistema torna-se computacionalmente viável para o rastreamento de UAVs altamente dinâmicos, uma limitação de abordagens generativas anteriores.
• Robustez: A modelagem probabilística da distribuição condicional resolve efetivamente o problema do colapso da média inerente aos modelos discriminativos ao enfrentar ambiguidades espaciais de multicaminho.

O artigo conclui que esta abordagem fornece uma base escalável para a localização ubíqua de UAVs, com trabalhos futuros visando utilizar datasets sintéticos e transferência Sim-to-Real para eliminar ainda mais a dependência de medições empíricas.