Cet article souligne l'inefficacité des techniques existantes d'augmentation des données en raison des différences structurelles des données sans fil. Il explore systématiquement le potentiel et l'efficacité de l'augmentation des données sans fil par l'intelligence artificielle générative (GenAI). Nous commençons par un bref aperçu des techniques existantes d'augmentation des données et de leurs limites, puis présentons le modèle GenAI et ses applications en augmentation des données. Nous explorons les applications potentielles de l'augmentation générative des données aux couches physique, réseau et applicative, et présentons des architectures d'augmentation générative des données pour chaque application. Plus précisément, nous proposons un cadre général d'augmentation générative des données pour la reconnaissance gestuelle Wi-Fi, générant des données d'état de canal de haute qualité à l'aide d'un modèle de diffusion basé sur un transformateur. Nous évaluons l'efficacité du cadre proposé à travers une étude de cas utilisant le jeu de données Widar 3.0 et discutons des futures orientations de recherche.
