Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Posicionamiento inalámbrico impulsado por IA: fundamentos, estándares, estado del arte y desafíos

Created by
  • Haebom

Autor

Guangjin Pan, Yuan Gao, Yilin Gao, Wenjun Yu, Zhiyong Zhong, Xiaoyu Yang, Xinyu Guo, Shugong Xu

Describir

Este documento presenta un estudio exhaustivo de las tecnologías de posicionamiento celular basadas en inteligencia artificial (IA). Destaca la importancia de las tecnologías de posicionamiento inalámbrico y el potencial de su utilización. Examina el desarrollo de tecnologías de posicionamiento celular basadas en IA/aprendizaje automático (AA) según los requisitos y capacidades definidos en los estándares 3GPP. Analiza la evolución del estándar de posicionamiento 3GPP y examina las versiones actuales y futuras, centrándose en la integración de IA/AA. Clasifica y resume la investigación de vanguardia (SOTA) en dos categorías principales: posicionamiento asistido por IA/AA y posicionamiento directo basado en IA/AA. La primera incluye la detección LOS/NLOS, la estimación TOA/TDOA y la estimación de ángulos, mientras que la segunda abarca la toma de huellas dactilares, el aprendizaje asistido por conocimiento y el trazado de canales. Se revisan conjuntos de datos públicos representativos y se evalúa el rendimiento de los algoritmos de posicionamiento basados en IA utilizando estos conjuntos de datos. Finalmente, se resumen los desafíos y las oportunidades del posicionamiento inalámbrico basado en IA.

Takeaways, Limitations

•
Takeaways:
◦
Presenta de forma exhaustiva el estado actual y las perspectivas futuras de la tecnología de estimación de ubicación celular basada en IA/ML.
◦
La posibilidad de uso industrial se ha incrementado mediante la vinculación con los estándares 3GPP.
◦
Comparamos y analizamos los pros y contras de varias técnicas de IA/ML y verificamos su viabilidad mediante la evaluación del desempeño.
◦
Presentamos casos de aplicación de IA/ML para diversas técnicas de estimación de ubicación, como la detección LOS/NLOS y la estimación TOA/TDOA.
•
Limitations:
◦
La evaluación del desempeño presentada en el documento puede estar limitada a un conjunto de datos específico, y el desempeño de generalización en entornos del mundo real requiere una verificación adicional.
◦
Existe una falta de discusión sobre la explicabilidad y confiabilidad de los modelos de IA/ML.
◦
Se necesitan actualizaciones continuas sobre los nuevos avances en tecnología IA/ML.
◦
Hay una falta de análisis de las diferencias de rendimiento entre diferentes plataformas de hardware y entornos de comunicación.
👍
Made with Slashpage