[論文レビュー] MapViT: A Two-Stage ViT-Based Framework for Real-Time Radio Quality Map Prediction in Dynamic Environments

Cyril Shih-Huan Hsu, Xi Li+4 more|arXiv (Cornell University)|Jan 22, 2026

Wireless Signal Modulation Classification被引用数 0

ひとこと要約

MapViT は 두 단계 Vision Transformer 프레임워크로서 동적 환경에서 환경 변화 및 결과적인 무선 품질 맵을 예측하고, 기하학 기반 모델을 통한 데이터 효율적 전이 및 실시간 추론을 달성합니다.

ABSTRACT

Recent advancements in mobile and wireless networks are unlocking the full potential of robotic autonomy, enabling robots to take advantage of ultra-low latency, high data throughput, and ubiquitous connectivity. However, for robots to navigate and operate seamlessly, efficiently and reliably, they must have an accurate understanding of both their surrounding environment and the quality of radio signals. Achieving this in highly dynamic and ever-changing environments remains a challenging and largely unsolved problem. In this paper, we introduce MapViT, a two-stage Vision Transformer (ViT)-based framework inspired by the success of pre-train and fine-tune paradigm for Large Language Models (LLMs). MapViT is designed to predict both environmental changes and expected radio signal quality. We evaluate the framework using a set of representative Machine Learning (ML) models, analyzing their respective strengths and limitations across different scenarios. Experimental results demonstrate that the proposed two-stage pipeline enables real-time prediction, with the ViT-based implementation achieving a strong balance between accuracy and computational efficiency. This makes MapViT a promising solution for energy- and resource-constrained platforms such as mobile robots. Moreover, the geometry foundation model derived from the self-supervised pre-training stage improves data efficiency and transferability, enabling effective downstream predictions even with limited labeled data. Overall, this work lays the foundation for next-generation digital twin ecosystems, and it paves the way for a new class of ML foundation models driving multi-modal intelligence in future 6G-enabled systems.

研究の動機と目的

• 로봇 시스템의 동적 무선 전파를 다루기 위해 환경 변화 및 관련 무선 품질 맵을 예측한다.
• LLM 사전학습 및 미세조정에서 영감을 받은 두 단계 학습 패러다임을 활용한다.
• 깊이 맵 시퀀스로부터 기하학 기초 모델을 개발하여 데이터 효율성 및 전이성을 개선한다.
• 리소스 제약 플랫폼에서 정확도와 런타임 측면에서 ViT를 CNN 및 MLP 기준선과 비교 평가한다.

提案手法

• 단계 1: 라벨이 없는 깊이 맵에 대한 자기지도 사전학습으로 인코더-디코더에 ViT 기반 인코더를 사용하여 환경 역학 및 깊이 분포를 학습한다.
• 단계 2: 감독 미세조정으로 단계 1 인코더가 깊이 맵 입력에서 단계 2 RQMaps를 출력하는 무선 품질 맵 예측기를 초기화한다.
• 깊이 맵은 기하를 포착하기 위해 3D SLAM 포인트 클라우드를 2D 평면에 투영하여 생성한다.
• 생성적 증강은 다양한 기하학적 변형을 만들어 레이 트레이서를 통해 훈련 데이터를 풍부하게 한다.
• 두 단계 학습은 기하학 학습과 무선 전파 모델링을 분리하여 데이터 효율성과 일반화를 개선한다.

実験結果

リサーチクエスチョン

• RQ1 ViT 기반의 두 단계 프레임워크가 동적 설정에서 환경 변화와 RQMaps를 정확히 예측할 수 있는가?
• RQ2 CPU/GPU에서 예측 정확도 및 런타임 측면에서 ViT가 CNN 및 MLP와 어떻게 비교되는가?
• RQ3 기하학적 자기지도(GFM)가 데이터 효율성과 다운스트림 기하 기반 작업으로의 전이에 도움을 주는가?

主な発見

Table I: 환경 변화의 1단계 예측 PSNR(PSNR dB)	Table II: 영역별 2단계 PSNR(dB) for RQMaps	Table III: 기하 기반 맵 및 다운스트림 전이(무선, 조도, 온도)
Model	PSNR (dB)
ViT	29.01
CNN	27.53
MLP	24.06
Stage 2 (Area 1) ViT	25.12
Stage 2 (Area 2) ViT	25.11
Stage 2 (Area 3) ViT	22.38
Stage 2 (Area 4) ViT	29.48
Stage 2 (Area 5) ViT	21.87
Stage 2 (Global) ViT	21.00
Stage 2 (Area 1) CNN	22.41
Stage 2 (Area 2) CNN	23.28
Stage 2 (Area 3) CNN	21.29
Stage 2 (Area 4) CNN	26.63
Stage 2 (Area 5) CNN	21.32
Stage 2 (Global) CNN	20.36
Stage 2 (Area 1) MLP	22.52
Stage 2 (Area 2) MLP	22.12
Stage 2 (Area 3) MLP	20.98
Stage 2 (Area 4) MLP	25.58
Stage 2 (Area 5) MLP	20.39
Stage 2 (Global) MLP	19.69
Stage 2 (Area 1) ViT*	21.70
Stage 2 (Area 2) ViT*	19.24
Stage 2 (Area 3) ViT*	17.19
Stage 2 (Area 4) ViT*	24.68
Stage 2 (Area 5) ViT*	15.93
Stage 2 (Global) ViT*	14.50
Stage 2 (Area 1) CNN*	21.70
Stage 2 (Area 2) CNN*	16.95
Stage 2 (Area 3) CNN*	16.03
Stage 2 (Area 4) CNN*	22.88
Stage 2 (Area 5) CNN*	13.90
Stage 2 (Global) CNN*	14.06
Table III (Geometry tasks)	Radio | Illumination | Temperature

• ViT 백본을 가진 MapViT는 1단계 깊이 맵 예측에서 CNN 및 MLP보다 더 높은 PSNR을 달성한다(PSNR: ViT 29.01 dB vs CNN 27.53 dB; MLP 24.06 dB).
• 2단계 RQMap 예측에서 ViT가 CPU 및 GPU 플랫폼 전반에서 최적의 정확도-효율성 트레이드오프를 제공하며, 실시간 추론(~1 ms)과 레이 트레이서의 수초에서 분까지의 비교를 보인다.
• ViT는 여러 창고 영역에서 지역적 PSNR이 우수하며 CNN 및 MLP를 능가하고, 분포 외 데이터에서도 우위를 유지한다(ViT* vs CNN*).
• 1단계 사전학습(GFM)이 다운스트림 기하 작업의 데이터 효율성을 향상시켜 라벨링 샘플이 적고 수렴 속도가 빨라진다.
• 두 단계 학습은 라벨링 노력을 줄이고 계산 비용을 낮추는 동시에 다운스트림 다중 모달 작업을 위한 재사용 가능한 기초 모델을 가능하게 한다.