อุปกรณ์พกพาของเราเป็นมากกว่าเครื่องมือสื่อสาร พวกเขานำทางเราผ่านการจราจรในชั่วโมงเร่งด่วน ช่วยให้เรามีของชำส่งถึงหน้าประตู ทำหน้าที่เป็นกล้องขนาดกะทัดรัดและมีคุณภาพสูง และจัดเก็บเอกสารและภาพถ่ายจำนวนนับไม่ถ้วน นักวิจัยจากBradley Department of Electrical and Computer Engineering (ECE) ต้องการนำฟังก์ชันการใช้งานหลายอย่างของอุปกรณ์เซลลูล่าร์ของเราไปใช้ให้ดียิ่งขึ้นด้วยแนวคิดของ “ระบบไร้สายนำทางด้วยภาพ”
ศาสตราจารย์ Walid Saad และ Harpreet Dhillon
จากวิทยาลัยวิศวกรรมศาสตร์แห่งเวอร์จิเนียเทคได้รับทุน 1 ล้านดอลลาร์จากNational Science Foundation (NSF)เพื่อพัฒนาเทคโนโลยีที่ใช้ระบบไร้สายในปัจจุบันของเรา รวมถึงระบบไร้สายที่เกิดใหม่ เช่น 6G เพื่อ “ดู ” และทำแผนที่สภาพแวดล้อมโดยรอบการทำแผนที่สภาพแวดล้อมของผู้ใช้นี้ช่วยปรับปรุงการสื่อสารโดยการระบุสิ่งกีดขวางที่อาจรบกวนสัญญาณความถี่วิทยุ
“ใน 6G เราพูดถึงย่านความถี่สูง เช่น เทราเฮิรตซ์ [THz]” Saad กล่าว “ความถี่สูงเหล่านี้สามารถให้อัตราสูงและแบนด์วิธสูง แต่ปัญหาคือสัญญาณมีความอ่อนไหวต่อการอุดตัน ซึ่งมากกว่าความถี่ต่ำมาก ความถี่เหล่านั้นอาจถูกปิดกั้นโดยสิ่งต่าง ๆ เช่น แขนของคุณที่เคลื่อนไหว หรือคนที่ยืนอยู่ในห้องกับคุณ”
แม้ว่าการอุดตันเหล่านี้อาจดูน่ารำคาญ แต่จริงๆ แล้วอาจเป็นกุญแจสำคัญที่จะช่วยให้นักวิจัยปรับปรุงการสื่อสารได้ “หากระบบสื่อสารล้มเหลวเพราะสัญญาณถูกปิดกั้น ที่ย่านความถี่ต่ำกว่า THz เรายังคงสามารถใช้ข้อมูลนั้นเพื่อรับรู้สภาพแวดล้อมและรู้ว่ามีสิ่งกีดขวางตั้งแต่แรก” ซาดกล่าว “จากนั้น ด้วยการรับรู้สถานการณ์และข้อมูลด้านอื่นๆ เช่น รูปภาพของห้อง เราสามารถใช้ข้อมูลต่อเนื่องหลายรูปแบบเพื่อสื่อสารได้ดีขึ้น” งานวิจัยชิ้นใหม่นี้จะพัฒนาเฟรมเวิร์กที่รวมเครื่องมือจากแมชชีนเลิร์นนิง ทฤษฎีการสื่อสาร การเรียนรู้แบบแยกส่วนแบบกระจาย และการเพิ่มประสิทธิภาพ เป้าหมายคือการใช้ข้อมูลจากทั้งแหล่งแบบไร้สายและไม่ใช่แบบไร้สายเพื่อเพิ่มประสิทธิภาพระบบนำทางด้วยภาพ
ระบบนำทางด้วยภาพเหล่านี้สามารถนำไปใช้ในหลายๆ แอพพลิเคชั่น
เช่น เพิ่มประสิทธิภาพของระบบไร้สายแห่งอนาคต (6G) สร้างสภาพแวดล้อมการเล่นเกมที่ล้ำสมัยและโต้ตอบได้มากขึ้น และขยายขอบเขตของความเป็นจริงที่ขยายออกไปในขณะที่สำรวจเมตาเวิร์ส
เพื่อรวมข้อมูลการวิจัยทั้งหมดเข้าด้วยกัน Saad และ Dhillon จะใช้การเรียนรู้ของเครื่องและปัญญาประดิษฐ์พร้อมกับโมเดลการเรียนรู้ของเครื่องที่เรียกว่าหม้อแปลง
โดยปกติแล้ว ตัวแปลงสัญญาณจะใช้สำหรับการประมวลผลภาษาในโลกของปัญญาประดิษฐ์ (AI) ซอฟต์แวร์การแปลจะเป็นตัวอย่างที่ดีของการใช้เทคโนโลยีนี้ การใช้แบบจำลองประเภทนี้สำหรับการวิจัยการสื่อสารด้วยการมองเห็นเป็นแนวทางใหม่ที่กลุ่มรู้สึกตื่นเต้นที่จะสำรวจ ทีมงานโครงการจะใช้หม้อแปลงเพื่อรวมข้อมูล (ไร้สายและไม่ใช่ไร้สาย) เพื่อค้นหาการกำหนดค่าระบบที่ดีที่สุด ซึ่งจะทำให้เข้าใจว่าอะไรสร้างกลยุทธ์การสื่อสารที่ดีขึ้น โดยเฉพาะอย่างยิ่งรูปภาพจะเป็นข้อมูลเพิ่มเติมที่สำคัญที่จำเป็นในการปรับปรุงการสื่อสาร “ถ้าเรารู้มากกว่านี้ เราก็สามารถทำได้มากขึ้น” ซาดกล่าว
Dhillon ศาสตราจารย์ ECE, Elizabeth และ James E. Turner Jr. ’56 Faculty Fellowและรองผู้อำนวยการของ Wireless@VT มีทัศนคติเชิงบวกเกี่ยวกับการวิจัยและผลกระทบที่อาจเกิดขึ้นกับระบบไร้สายในภูมิทัศน์แห่งอนาคตอยู่แล้ว“อุปกรณ์ไร้สายเคลื่อนที่ได้ค่อยๆ เปลี่ยนจากอุปกรณ์สื่อสารธรรมดาไปสู่แพลตฟอร์มคอมพิวเตอร์อันทรงพลังที่มีเซ็นเซอร์มากมาย เช่น กล้องและเรดาร์” ดิลลอนกล่าว “อันที่จริง เมื่อเราซื้อโทรศัพท์เครื่องใหม่ การพิจารณาหลักคือคุณภาพของกล้อง ความเร็วในการประมวลผล หน่วยความจำ และเซ็นเซอร์ ในขณะที่แทบไม่มีใครตรวจสอบคลื่นความถี่ของมัน เนื่องจากนี่เป็นหนึ่งในความพยายามครั้งแรกในการวิเคราะห์ระบบไร้สายที่มีระบบนำทางด้วยภาพอย่างครอบคลุม จึงคาดว่าจะมีผลกระทบอย่างมากต่อระบบไร้สายรุ่นต่อๆ ไป”
เมื่อพูดถึงการใช้ภาพในการวิจัยประเภทนี้ Mehdi Bennis นักวิจัยชาวฟินแลนด์จากมหาวิทยาลัย Ouluเป็นตัวเลือกที่ชัดเจนสำหรับความเชี่ยวชาญ Bennis เป็นที่รู้จักในระดับสากลจากผลงานด้าน Edge Intelligence ซึ่งเป็นการผสมผสานระหว่าง AI และ Edge Computing เขาได้เผยแพร่เอกสารหลายฉบับที่เกี่ยวข้องกับระบบไร้สายนำทางด้วยภาพและวิธีที่ภาพสามารถปรับปรุงระบบไร้สายได้ นักวิจัยชาวฟินแลนด์เป็นผู้ร่วมงานของ Saad มาอย่างยาวนาน และสามารถให้คำแนะนำและความเชี่ยวชาญในหลายขั้นตอนของโครงการ
“ข้อเสนอนี้สำรวจปัญหาที่สำคัญมากและทันท่วงที ซึ่งก็คือวิธีการใช้ประโยชน์และหลอมรวมข้อมูลหลายส่วน เช่น รูปภาพ เพื่อเพิ่มประสิทธิภาพทรัพยากรไร้สายและการปรับใช้เครือข่ายให้ดียิ่งขึ้น” เบนนิสกล่าว “หากประสบความสำเร็จ สิ่งนี้จะช่วยลดต้นทุนการดำเนินงานและการปรับใช้เครือข่ายบางส่วนสำหรับทั้งผู้ขายและผู้บริโภค”
ในฐานะทีม Saad, Dhillon และ Bennis จะทำงานอย่างใกล้ชิดในการวิจัยทั้งหมด Bennis จะดึงข้อมูลที่เป็นประโยชน์จากข้อมูล Dhillon จะใช้ข้อมูลเพื่อพัฒนากลยุทธ์การสื่อสารที่มีประสิทธิภาพ และ Saad จะรวมข้อมูลเหล่านี้ไว้ในการปรับแต่งเครือข่ายให้เหมาะสม “ผมสนุกกับการอภิปรายสั้นๆ ซึ่งมักจะเป็นการประชุมครั้งเดียว เราสามารถแยกปัญหาที่ซับซ้อนได้อย่างรวดเร็วและแปลงเป็นวาระการวิจัยแบบองค์รวมที่ขยายขอบเขตของสาขาของเรา” Saad เพื่อนร่วมงานของ IEEEกล่าวเกี่ยวกับ ความสัมพันธ์ในการทำงานกับ Dhillon “เราเข้าหาปัญหาเดียวกันจากมุมมองที่แตกต่างกันมาก แต่ทำงานร่วมกันได้ดีมาก ซึ่งทำให้การระดมความคิดและจัดทำโครงการที่มีวิสัยทัศน์เป็นเรื่องสนุก”
ในฐานะส่วนหนึ่งของการระดมทุน NSF ทีมงานจะดำเนินโครงการขยายการศึกษาสำหรับนักเรียน K-12 โดยใช้แพลตฟอร์มการเรียนรู้แบบลงมือปฏิบัติ เป้าหมายคือการแนะนำนักเรียนเกี่ยวกับพื้นฐานของการสื่อสารและการรับรู้ จากนั้นจึงอาจขยายแพลตฟอร์มนั้นเพื่อรวมแนวคิดของการสื่อสารด้วยการมองเห็น นักวิจัยวางแผนที่จะรวมแพลตฟอร์มที่ ค่ายฤดูร้อน C-Tech2และImaginationซึ่งจัดขึ้นที่เวอร์จิเนียเทคและมุ่งเน้นไปที่นักเรียนหญิงระดับมัธยมต้นและมัธยมปลาย
สาวเทคกำลังทำโปรเจ็กต์ระหว่างค่ายฤดูร้อนปี 2022
ชาวค่ายฤดูร้อนทำงานในโครงการของตนโดยเป็นส่วนหนึ่งของการเขียนโปรแกรม C-Tech2 ในเมืองแบล็กส์เบิร์ก ภาพถ่ายโดย Chelsea Seeber สำหรับมหาวิทยาลัยเวอร์จิเนียเทค
นอกจากนี้ ผู้วิจัยหลักแต่ละคนจะนำการวิจัยไปใช้ในหลักสูตรและการบรรยายที่มีอยู่สำหรับนักเรียนทุกระดับ
“ฉันรู้สึกตื่นเต้นเป็นพิเศษสำหรับโอกาสในการผลักดันขอบเขตไปพร้อมกันในระบบไร้สายและการเรียนรู้ของเครื่อง วิธีการของเราจะเปลี่ยนวิธีการออกแบบโปรโตคอลระบบไร้สายที่ขับเคลื่อนด้วย AI อย่างมาก และมันสามารถมีแอพพลิเคชั่นมากมายในอนาคตในพื้นที่ 6G” Saad กล่าว
Dhillon กล่าวเสริมว่า “การใช้ข้อมูลการมองเห็นเพื่อปรับปรุงประสิทธิภาพการสื่อสารไร้สายเป็นแนวคิดที่น่าสนใจ โครงการที่คาดการณ์ล่วงหน้าเช่นนี้มีความสำคัญต่อการยกระดับชื่อเสียงของเวอร์จิเนียเทคในฐานะสถานที่ชั้นนำสำหรับการวิจัยการสื่อสารไร้สาย”
credit : walkofthefallen.com missyayas.com siouxrosecosmiccafe.com halkmutfagi.com synthroidtabletsthyroxine.net sarongpartyfrens.com finishingtalklive.com somersetacademypompano.com michaelkorscheapoutlet.com catwalkmodelspain.com
