WiFi 感知基于通道状态信息 (CSI)，承诺实现普遍的无设备感知。然而，目前的研究仍被困在一个碎片化的状态中，模型针对特定硬件、固定环境和窄任务进行定制，形成了一个孤岛。主要瓶颈在于异质性差距：信号维度、采样率和语义标签之间的差异阻碍了跨系统理解。为了解决这一问题，我们提出了一个基础模型框架，将 CSI 视为一种结构化语言，具备可学习的通用语法。
首先，我们整理并标准化了大量异构的真实世界 CSI 数据集，建立了一个统一基础设施，使得不兼容的信号格式能够作为一个整体进行处理。其次，我们引入了一种模块化架构，作为通用翻译器，其中轻量级数据集特定适配器将多样的信号输入转换为共享的潜在词汇，而共享的自监督 Transformer 主干则学习人类运动和环境动态的时间语法。这种设计将感知语义与硬件语法解耦。
广泛的评估表明，通过掌握这种通用语言，我们的方法在任务特定基线中持续超越，并在新环境中展现出强大的泛化能力，在少量样本场景中实现了优越的效率。通过有效吸收异质性，该框架为实现稳健的通用无线感知提供了一条路径，类似于大型语言模型中观察到的语言泛化。
代码实现可在此处获取：WiLLM GitHub.
博主点评： 这项研究展示了如何通过构建通用框架来克服无线感知领域的异质性问题，提供了一个强有力的解决方案，以促进跨设备和环境的感知整合，具有广泛的应用潜力。其创新性方法和模块化架构为未来的研究提供了新的视角和思路。