变换不变生成式射线路径采样用于高效无线电传播建模

用 GFlowNet 替换射线追踪中的穷举路径枚举,在理想化街谷场景获得 CPU 100× / GPU 10× 加速,但无法泛化到真实曼哈顿几何。

前置知识

射线追踪 (Ray Tracing)

把无线电波近似成几何光线,沿 TX→反射/折射/衍射物体→RX 顺序传播,通过镜像法或最小化算法求解反射点位置,最终叠加各路径的电磁场贡献。在包含 N 个物体、最大 K 阶相互作用的场景中,候选路径数随 N^K 指数增长,这是本文要解决的核心复杂度瓶颈。

理解本文需要知道传统穷举式逐点射线追踪为何会随 K 阶数爆炸,从而理解作者为何要把它建模为序列决策而非暴力搜索。

生成式流网络 (Generative Flow Network, GFlowNet)

由 Bengio 等人提出的生成模型,通过在有向无环图上学习非负流量 F(p→p'),使每条完整轨迹的采样概率 P(p) 与其奖励 R(p) 成正比,即 P(p) ∝ R(p)。训练目标是最小化流动匹配损失,关键是 forward policy 由归一化流给出。

GFlowNet 是本文把离散路径选择问题转化为可学习采样器的核心数学工具,文中的回放缓冲、动作掩码、距离加权都建立在它的前向策略 π(o_i|p) = F(p,o_i) / Σ_j F(p,o_j) 之上。

DeepSets 与置换不变性

DeepSets 是一类对输入集合元素顺序不敏感的神经网络,通过对每个元素独立做 φ 变换后用置换不变的聚合函数(常用求和或平均)汇总,再经过 ρ 解码。本文用平均聚合得到全局场景向量,使得物体排列顺序不影响模型输出。

因为城市场景由任意多个三角形面片组成,作者需要让网络对物体顺序不敏感,DeepSets 是实现这一置换不变性的标准选择。

稀疏奖励强化学习

当智能体在巨大状态空间中只有极少数动作会得到正反馈时,信号极其稀疏,网络容易塌缩到平凡解(全部输出零)。常见缓解手段是经验回放缓冲(保存成功样本)与 ε-贪心探索策略。

如表 2 所示,K=2 时有效路径仅占 4.15×10⁻², K=3 时占 2.6×10⁻⁴,稀疏性是本文必须工程化处理的核心训练难题。

研究动机

在密集城市场景中做高保真逐点射线追踪,需要枚举所有可能的物体反射序列,候选路径数随阶数 K 与物体数 N 指数增长,具体来说场景中 K=1 有 56 条候选,K=2 涨到 3 333 条,K=3 高达 208 750 条,而其中几何有效路径的比例从 3.66%(K=1)骤降到 4.15×10⁻²(K=2)再到 2.6×10⁻⁴(K=3),意味着超过 99.99% 的 CPU/GPU 算力被浪费在验证物理上不可达的分支上。此外传统启发式如 SBR(ray launching)需要发射远多于真实有效路径数的射线,且对角度离散化敏感并会产生需要后处理去重的重复路径。

本文的目标是作者的目标是用一个轻量级的机器学习模型替代穷举枚举步骤,在保持传统射线追踪物理精度的前提下,把 O(N^K) 的组合复杂度压缩为按需采样 M ≪ N^K 条候选路径,使推理复杂度对场景规模保持近似线性。模型必须对场景的平移、缩放和方位旋转保持不变,并对物体排列顺序保持置换不变,这样训练一次就能在一类城市峡谷场景上反复使用,作为面向数字孪生和实时无线网络规划的可摊销加速器。同时作者希望模型推理开销 C_inf 远小于单条路径的物理验证开销 C_validation,这样 M·C_inf 这一项不会反过来成为新的瓶颈。

与已有工作不同的是，现有 ML 路径损耗预测(如 [14][15] 的 MLP/CNN)和 NeRF 类方法(如 NeRF2、R-NeRF、NeRF-APT)都是端到端直接学电磁场,严重依赖具体频率和材质,缺乏对场景几何变换的不变性,换场景必须重训,且黑箱输出丢失了路径几何信息(到达角、时延),无法支持感知、定位、波束管理等 6G 应用。少数做可微射线追踪的(如 SANDWICH [19])直接用 Transformer 替代整个模拟器,推理开销大,作者们的独特切入角度是只加速路径采样这一步,把传统 ray tracer 当作『几何真值标签』使用,既享受 ML 的泛化能力,又保留物理引擎的精度与可解释性。

核心方法

方法的核心思路是把『从 TX 到 RX 找 K 个反射点』这件事重新定义成一个序列决策过程:从根节点(TX)出发,每一步用 GFlowNet 的前向策略 π(o_i|p) 选出下一个反射物体,重复 K 次形成路径候选 [o_{i_1}, o_{i_2}, ..., o_{i_K}],再交给 DiffeRT 库做镜像法路径追踪做物理验证,得到二值奖励 1(几何可达且符合反射定律)或 0(否则)。训练时最小化 GFlowNet 的 flow matching 损失 L = Σ_{p'}(F(p→p') - R(p') - Σ_{p''} F(p'→p''))^2,目标是让有效路径被采样的边际概率 P(p) ∝ R(p)。整条流水线以场景为输入,输出『哪些路径几何上有效』的高概率候选集合,把下游电磁场计算完整留给经典 ray tracer。

本文与已有 ML-射线追踪工作的本质区别在于三点:第一,它把 GFlowNet(而非监督学习或纯 Transformer)用于路径搜索,自然处理稀疏、组合型奖励;第二,它把场景用 TX-RX 局部坐标系变换到 TX 位于原点、RX 位于 (0,0,1) 的标准框架下,并在附录 A 形式化证明了对平移、缩放、绕垂直轴方位旋转的不变性,使训练一次可覆盖一类几何;第三,在作者前作 [18] 的基础上引入了三个关键稳定性机制——成功经验回放缓冲、ε-贪心均匀探索策略和基于可见性的动作掩码——直接解决 GFlowNet 在 K≥2 时塌缩到全零流的失败模式,其中动作掩码以硬约束形式把当前交互点不可见的物体从动作空间中剪掉,既加速推理也改善训练信号。

方法步骤详情

第一步是几何预处理:给定 TX、RX 位置 x_{TX}, x_{RX} ∈ R³,构造局部基 B = {u,v,w},其中纵向轴 w = (x_{RX} - x_{TX}) / ‖x_{RX} - x_{TX}‖,横向轴 u = (w × e_z) / ‖w × e_z‖,垂直轴 v = w × u,把每个三角形顶点 x_i 通过 x'_i = R(x_i - x_{TX}) / s 投影到标准框架,使场景表征对平移、缩放、绕 e_z 旋转保持不变。第二步用 DeepSets 风格的对象编码器(每面片过 2 隐层 MLP)得到 N 个 d=128 维的物体特征 Y,再对其做置换不变平均聚合,过 2 层 MLP 得到全局场景向量;同时用一个线性层把当前部分路径 [o_1,...,o_K] 的嵌入拼接为 d' = K·d 维状态向量。第三步 GFlowNet 模块把三者(对象嵌入、状态、场景向量)拼接后过 2 层 LeakyReLU MLP 输出 N 个标量,经指数激活得到严格正的流 F(p, o_i),再按距离倒数平方 w_i = d_i^{-2} / Σ_j d_j^{-2} 加权,得到每个候选动作的归一化概率。第四步基于可见性掩码(物体在当前交点处是否可被反射)剔除物理不可能动作后采样,得到 M 条完整路径候选。第五步 DiffeRT 做镜像法路径追踪,返回 1/0 奖励并更新 GFlowNet 参数。训练时每批 B=64 条,辅以 50% 概率(α=0.5)从容量 10 000 的回放缓冲中重放历史成功样本,以 ε=0.1 概率采用均匀策略采样做探索,使用 Muon 优化器、学习率 1×10⁻⁴、共 500 000 次迭代,约 45–90 分钟(RTX 3070)即可收敛。

技术新颖性

技术新颖性体现在四个层面:在表示层面,把 GFlowNet 首次系统性地应用于射线追踪路径采样,并通过坐标规范化和 DeepSets 双重保证了几何不变性,这是已有可微 ray tracer(SANDWICH)不具备的;在训练稳定性层面,作者把『成功率 < 0.1%』的训练场景抽象为典型的稀疏奖励 RL 问题,并用回放缓冲+ε-贪心+动作掩码三件套解决,直接规避了 GFlowNet 常见的『全零流塌缩』陷阱;在工程实现层面,基于 JAX/Equinox/Optax/DiffeRT 实现了端到端可微,且与现有 ray tracing 库兼容,可作 drop-in 替换;在评测层面,文章显式区分了『分布内理想化场景』与『分布外真实曼哈顿几何』,用 N=400 与 N=805 的真实城市地块做 OOD 评估,这是该方向论文中少见的诚实压力测试。

实验结果

消融实验(图 9-12)显示成功经验回放缓冲是收敛的『必要条件』:不加回放时模型在 K=2、K=3 下基本塌缩,加回放后 K=1、K=2 命中率(Hit Rate)迅速超过 90%,K=3 也能达到约 65% 的命中率和 45% 的精度,作者前作 [18] 在 K≥2 时完全无法学习,这一改进幅度是论文最重要的数字。ε=0.1 均匀探索对命中率有正向贡献但会牺牲少量精度;动作掩码对 K=3 帮助有限,主要因为可见性判定本身很朴素;距离倒数平方加权在大多数设置下反而损害收敛(模型会塌缩),因为短路径并不一定有效,这条负向发现很有价值。训练场景上,『只在峡谷内采样+不随机化地面』组合命中率最高,因为几何构型更受限、更易学习。覆盖率预测上,理想化街谷场景(图 14)得到全场景 RMSE = 3.34 dB、峡谷主区域 RMSE = 1.51 dB(采样预算 M=20),空间上主反射区域重建良好,但部分 K=2、K=3 反射区完全缺失,且 TX 紧邻区域因坐标变换接近奇点存在数值不稳。计算效率(图 13)是论文最亮眼的结果:在 Intel Xeon W-1370P CPU 上,当 M=10 时,ML 辅助法比穷举快约 100×,在 RTX 3070 GPU 上快约 10×,加速比随 N 增大而扩大,因为穷举搜索在大场景中变 memory-bound,作者框架只要单批次就够。

**Table 2**: 10 万随机生成场景的统计:平均候选路径数与几何有效路径占比

**Fig. 9**: 回放缓冲与探索策略消融曲线(Accuracy / Hit Rate vs 训练 episode)

**Fig. 13**: 完整射线追踪模拟的 CPU/GPU 计算时间随物体数变化(K=1,2,3)

查看结构化数据

任务	指标	本文	基线	提升
路径采样命中率 (K=2, 理想化峡谷, M=10)	Hit Rate (%)	>90%	前作 [18] 在 K=2 几乎塌缩 (≈0–10%)	约 +80–90 个百分点(从基本不学习到稳定工作)
路径采样命中率 (K=3, 理想化峡谷, M=10)	Hit Rate (%)	约 65%	前作 [18] 训练失败	从不可用提升到部分可用,但仍低于 K=1、K=2 水平
覆盖图预测误差 (理想化峡谷, M=20)	RMSE (dB)	3.34 dB(全场景)/ 1.51 dB(主峡谷区域)	穷举射线追踪 ground truth (0 dB)	在只用极少候选路径情况下把 dB 量级误差控制在个位数
CPU 推理速度 (M=10, 中等规模场景)	Wall-clock time (ms)	比穷举快约 100×	DiffeRT 穷举枚举基线	约 2 个数量级加速
GPU 推理速度 (M=10, 中等规模场景)	Wall-clock time (ms)	比穷举快约 10×	DiffeRT 穷举枚举基线	约 1 个数量级加速(穷举在 GPU 批处理下本来已经快很多)

局限与改进

作者在 5.4.5–5.4.6 中坦承四点主要局限。第一,泛化能力差:在 N=400(小)和 N=805(中)的真实曼哈顿 OpenStreetMap 场景做 OOD 测试时,模型在某些建筑立面完全找不到反射路径,另一些立面仅在局部区域能恢复,说明它学的是训练场景的『指纹』而非通用反射原理。第二,DeepSets 的平均聚合在 N 增大时稀释了关键物体的相对位置与朝向信息,直接限制了 K=3 阶性能。第三,场景几何在真实部署中常带测量误差和材料不确定性,本文完全没评估对这种噪声的鲁棒性。第四,所有反射系数在评估中被人为设为 1,真实材料下高阶反射会快速衰减,模型找到的某些路径在最终接收功率里可能贡献极小。最后,坐标规范化在 TX 与 RX 水平坐标重合时存在奇点,作者用避开除零的方式处理但数值仍不稳。

独立分析的弱点

独立分析本文方法,最值得改进的弱点有三个:其一,DeepSets 平均池化对场景尺度的鲁棒性不足,N 从 50 增至 800 时,平均特征会被大量『远处不相关面片』稀释,建议改用 DeepSets + 可见性图或图神经网络(GNN),把『哪个面片对当前交点可见』显式编码为邻接关系,这是 GFlowNet 树结构天然契合的表示。其二,二值奖励信号过于稀疏,即便有回放缓冲,K=3 命中率仍卡在 65%,建议引入中间奖励:例如把镜像法求得的交点误差倒数、或路径总长度倒数作为软奖励,让梯度流回更早的决策步骤;也可借鉴课程学习,先训练 K=1,再迁移到 K=2、K=3。其三,训练代价不低——单模型 45–90 分钟 RTX 3070——这意味着每个新场景家族都要重训,与『摊销加速器』的定位存在张力,可考虑用元学习(MAML)或预训练 + LoRA 式微调,把单次训练成本分摊到多个场景族。

未来方向

作者明确指出的方向包括:用 Transformer 或 GNN 替换 DeepSets 以更好建模物体关系、在架构层面硬约束 TX-RX 互易性(目前用数据增广效果有限)、将整个管道端到端可微化以联合优化收发机位置与环境配置、扩展到折射与衍射等相互作用(只要动作空间仍离散)、以及纳入频率相关反射系数来重新评估哪些路径对最终接收功率有物理意义。基于本文成果还可自然延伸的思路是:把 GFlowNet 采样器与 NeRF/3DGS 类辐射场表示结合(文中也提到这点),让采样得到的稀疏路径集去指导辐射场的训练数据生成,反向形成『ray tracing 加速辐射场训练,辐射场辅助信道重建』的闭环;另一方向是用路径采样器嵌入数字孪生平台,在每次场景微调时只对变化部分做增量推理,而非重训整个模型。

复现评估

复现门槛较低:作者开源了全部代码、单元测试、基准和 Jupyter 教程,仓库地址 https://github.com/jeertmans/sampling-paths,基于 DiffeRT(自家可微 ray tracer) + Equinox + Optax + JAX 生态,可直接在 CPU/GPU/TPU 上运行,无需自写 CUDA。训练数据来自 Sionna RT 内置的街谷场景,程序化生成变体,不需要外部版权数据;OOD 测试用的曼哈顿数据来自 OpenStreetMap,需要单独下载但无授权问题。算力需求适中:单模型在 RTX 3070 上 45–90 分钟训练 500 000 次迭代,验证可在数分钟内完成。超参数(表 2 中嵌入维度 d=128、批大小 B=64、α=0.5、ε=0.1、回放容量 10 000、Muon 优化器、lr=1×10⁻⁴)在论文中全部给出,且提供了对照前作 [18] facet-removal 训练方式的开关。整体可复现性 9/10,只要熟悉 JAX 和 GFlowNet 就能在一天内跑通实验。

变换不变生成式射线路径采样用于高效无线电传播建模 Transform-Invariant Generative Ray Path Sampling for Efficient Radio Propagation Modeling