본 논문은 밀리미터파(mmWave) 통신에서의 빔포밍 성능 향상을 위해 다중모드 감지 기반 빔 예측의 계산 복잡도 및 비용 문제를 해결하는 자원 효율적인 학습 방법을 제안합니다. 기존의 채널 추정 방법의 한계를 극복하기 위해, LiDAR, 레이더, GPS, RGB 이미지 등 다양한 센서 데이터를 활용한 다중모드 감지 기반 빔 예측이 주목받고 있으나, 높은 계산 복잡도와 비용, 그리고 제한된 데이터셋이 문제점으로 지적됩니다. 본 논문에서는 교차 모드 관계 지식 증류(CRKD) 기반의 지식 전이를 통해 다중모드 네트워크의 지식을 단일모드(레이더 전용) 네트워크로 전이하여 계산 오버헤드를 줄이면서 예측 정확도를 유지하는 방법을 제시합니다. CARLA 자율주행 시뮬레이터와 MATLAB 기반 mmWave 채널 모델링을 통합한 새로운 다중모드 시뮬레이션 프레임워크를 개발하여 현실적인 데이터를 이용한 다중모드 학습을 가능하게 합니다. CRKD는 서로 다른 특징 공간에서 관계 정보를 증류하여 고가의 센서 데이터에 의존하지 않고 빔 예측 성능을 향상시킵니다. 시뮬레이션 결과, CRKD는 다중모드 지식을 효율적으로 증류하여 레이더 전용 모델이 교사 모델 성능의 94.62%를 달성하게 하며, 교사 네트워크 매개변수의 10%만을 사용하여 계산 복잡도와 다중모드 센서 데이터 의존성을 크게 줄이는 것을 보여줍니다.
