[論文レビュー] Toward Integrated Sensing, Communications, and Edge Intelligence Networks

Mattia Merluzzi, Miltiadis C. Filippou+2 more|arXiv (Cornell University)|Mar 24, 2026

Age of Information Optimization被引用数 0

ひとこと要約

論文は、センサリング、通信、エッジAI推論間で資源を共有する三機能ネットワークの計算資源を意識した共同最適化フレームワークを提案し、統合資源配分の利点を独立配分戦略と比較して示す。

ABSTRACT

Wireless systems are expanding their purposes, from merely connecting humans and things to connecting intelligence and opportunistically sensing of the environment through radio-frequency signals. In this paper, we introduce the concept of triple-functional networks in which the same infrastructure and resources are shared for integrated sensing, communications, and (edge) Artificial Intelligence (AI) inference. This concept opens up several opportunities, such as devising non-orthogonal resource deployment and power consumption to concurrently update multiple services, but also challenges related to resource management and signaling cross-talk, among others. The core idea of this work is that computation-related aspects, including computing resources and AI models availability, should be explicitly considered when taking resource allocation decisions, to address the conflicting goals of the services coexistence. After showing the natural coupling between theoretical performance bounds of the three services, we formulate a service coexistence optimization problem that is solved optimally, and showcase the advantages against a disjoint allocation strategy.

研究の動機と目的

• ISAC、通信、エッジAI推論のためのインフラを共有する三機能ネットワーク概念を動機づける。
• sensingと通信のニーズの下で、推論を共同最適化する計算資源共有問題を定式化する。
• 計算資源（AIモデル）と無線資源配分を結びつけることで、分離配分戦略より共存性能が向上することを示す。

提案手法

• 単一のFD MIMO BSの下で、UL EIデータアップロード、DL ISACデータ、モノスタティックセンサを提供するマルチサービス無線システムをモデル化する。
• EI推論遅延と目標効果、CRBベースのセンサ精度とDLレートを含むISAC指標を定義する。
• CRBとレート制約の下でDL伝送電力とデータバッチサイズを共同最適化する混合整数非線形計画を定式化し、CVXPYを用いた固定バッチサイズの凸最適化で解く。
• DLスペクトル資源とモデルパラメータの関数として角度推定のCRBを導出し、センサ性能をDL時間割り当て（rho_dl）と通信遅延に結びつける。
• n_b（バッチサイズ）を固定して凸部分問題を解く解法アプローチを提案し、計算資源を意識したベースラインと計算資源を意識しないベースラインを評価する。

Figure 1 : The considered multi-service wireless system and frame structure.

実験結果

リサーチクエスチョン

• RQ1 ISAC、EI、センサを時間と電力を直交的に分割せずに共同配分する方法はどうあるべきか。
• RQ2 AIモデルの選択とデータ表現（圧縮）がDL速度、推論遅延、センサ精度の共同性能に与える影響はどの程度か。
• RQ3 計算資源を意識した最適化は、分離配分戦略と比べてDL伝送電力とエッジ推論品質のトレードオフを改善できるか。
• RQ4 tri-functionalネットワークのフレーム単位資源配分を、利用可能な計算（AIモデルの複雑さ）がどう制約・促進するか。

主な発見

• 計算資源を意識した資源共有スキームは、分離配分と比べてISACコストとEI性能のトレードオフを改善する。
• DL伝送電力を増やすと、EIの目標効果は推論のための資源を増やすことになり一般に改善するが、CRBとDLレート制約でバランスされる。
• より高性能なAIモデル（ある程度まで）はEI品質を高め、DL電力とのより良いトレードオフを可能にする一方で、過度に重いモデルは計算遅延により利得を打ち消す可能性がある。
• フレームワークは通信、計算、センサの自然な結合を示し、選択された推論モデルがDL伝送とセンサ精度の時間予算を決定する。
• シミュレーション結果は、8.18 GFLOPsの場合、提案された計算資源を意識した最適化の下で、 heavierモデルよりもかなり低いDL電力で高い目標効果が達成可能であることを示す。
• センサ要件（CRB閾値）を緩和すると、DL電力とEI目標効果のバランスが変化し、クロスレイヤーの相互依存性を示す。

(a)