论文
Enwar 3.0：面向情境感知波束赋形、遮挡预测与切换管理的多模态 LLM 编排器
Enwar 3.0: An Agentic Multi-Modal LLM Orchestrator for Situation-Aware Beamforming, Blockage Prediction, and Handover Management
摘要
车联网维持稳健的毫米波连接，需要实时适应环境变化、传感器退化和链路波动。论文提出 Enwar 3.0 环境感知推理框架，将多模态感知、LLM 智能体和基于上下文的模型选择结合，用于预测性波束赋形、遮挡检测与切换管理。在此前版本基础上，架构通过分类器评估传感器健康状态，并由经过引导的 LLM 以结构化、任务感知提示编排多个专用智能体。新的合成退化流程用于训练传感器退化分类器，识别摄像头、雷达、激光雷达及 GPS 输入中的实时异常，准确率超过99%。LLM 通过思维链引导和人工反馈训练，协调波束选择、遮挡预测与环境感知任务，并根据环境上下文动态加载特定传感器模型。15种传感器组合的评测报告，预测准确性和可解释性达到领先水平：波束选择准确率超过88%，遮挡预测 F1 超过98%，复杂决策提示的推理正确率达到87%。该工作为能实时推理、感知和适应的 LLM 无线通信系统提供了可扩展框架。