Point2Radio: 물질 인지 포인트 클라우드를 활용한 교차 장면 라디오 필드 예측을 위한 기초 모델

Point2Radio: A Foundation Model for Cross-Scene Radio Fields from Material-Aware Point Clouds

고정밀 라디오 필드는 일반적으로 각 환경 및 송신기 구성에 대해 개별적으로 시뮬레이션되거나 조정되며, 이 과정에서 여러 환경에 걸쳐 공유되는 전파 특성을 활용하지 못합니다. 본 논문에서는 Point2Radio라는 기초 모델을 제시하며, 이는 다양한 환경으로부터 학습된 전이 가능한 전파 사전 지식을 활용합니다. 물질 정보를 포함하는 포인트 클라우드와 송신기 설정을 입력으로 받아, 공통 인코더는 송신기에 종속적인 장면 표현을 생성하며, 이 표현은 임의의 수신기 위치에서 쿼리될 수 있습니다. 작업별 쿼리 디코더는 이러한 표현을 다양한 라디오 파라미터로 매핑합니다. 예를 들어, 3차원 경로 손실 필드 및 전력 각도 스펙트럼 등을 예측할 수 있습니다. 새로운 환경에 대한 추론 시, 모델은 물질 정보를 포함하는 포인트 클라우드와 송수신기 쿼리만 사용하며, 메시 또는 명시적인 경로 추적 없이 단일 GPU에서 밀리초 이내로 실행됩니다. 우리는 337개의 장면으로 구성된 데이터셋의 서로 다른 부분 집합에서 경로 손실 예측 성능을 평가했습니다. Point2Radio는 평균 절대 오차(MAE)가 0.871 dB로, 동일한 조건의 UNet 기반 모델에 비해 오차를 76.7% 줄였습니다. 동일한 인코더는 작업별 디코더를 통해 전력 각도 스펙트럼 예측에도 활용될 수 있습니다. 추가적인 실험 결과, 특정 환경에 대한 경량 미세 조정은 적응성을 향상시키는 것으로 나타났습니다.

High-fidelity radio fields are typically simulated for every scene--transmitter configuration or fitted separately to each scene, failing to exploit propagation structures shared across environments. We present Point2Radio, a foundation model that learns a transferable propagation prior from multiple environments. Given a material-aware point cloud and a transmitter (TX) setting, a common encoder produces a TX-conditioned scene representation that can be queried at arbitrary receiver (RX) locations. Task-specific query decoders map this representation to different radio quantities, e.g., three-dimensional (3D) path-gain (PG) fields and power angular spectra (PAS). At inference for a new scene, the model uses only a material-aware point cloud and transceiver queries, running in milliseconds on a single GPU without meshes or explicit path tracing. We evaluate PG prediction on a scene-disjoint split of a 337-scene corpus containing 86,272 TX-conditioned fields. Point2Radio achieves 0.871 dB mean absolute error (MAE), reducing error by 76.7% relative to a same-split UNet-style baseline. The same encoder also supports PAS prediction via a task-specific decoder. Experiments further show that light target-scene fine-tuning improves adaptation to a specific environment.