Localização 3D de Equipamentos de Usuário via Fusão Multimodal Rádio-Visual em Redes mmWave

Este trabalho propõe uma arquitetura de fusão de dados multimodais para estimação de posição 3D de equipamentos de usuário em ambientes indoor, avaliada no conjunto de dados do CONVERGE Challenge Task 2. A arquitetura combina features visuais de um backbone ResNet-18, medidas de rádio da interface E2 em uma arquitetura O-RAN e um prior geométrico de detecção via YOLOv8. Três mecanismos de fusão de dados multimodais são avaliados. Um protocolo robusto de avaliação é utilizado para avaliar a capacidade de generalização dos modelos entre diferentes trajetórias do usuário. O melhor modelo atingiu uma redução de 14% sobre o estado da arte.