6Gネットワークの進展と、車両間通信（V2X）ネットワークにおけるマルチモーダルセンシングの進化により、無線通信およびネットワーク管理におけるマルチモーダルベースの人工知能（AI）応用に関する変革的研究の道が開かれました。しかしながら、この有望な研究分野は、適切なデータセットの入手困難という課題に直面していることが多くあります。こうした状況を踏まえ、本論文では、最先端のCARLAおよびSionnaシミュレータを統合した包括的かつ設定可能な共同シミュレーションフレームワークを提案し、マルチモーダル・マルチビューV2X（MVX）データセットの生成を実現しました。さらに、将来の視線内（LoS）遮蔽の予測や最適ビーム方向の推定を可能にする新しいAIベースのモデル、および独創的なアンテナ位置最適化（APO）手法を提案しており、これらすべてはマルチモーダルデータセットMVXに基づいて構築されています。本フレームワークは共同認識（collaborative perception）を活用し、LiDARデータと無線データを統合することで、V2X通信の性能を著しく向上させています。詳細な評価により、従来のビーム方向および遮蔽予測手法と比較して、本手法が精度および効率の面で優れていることが確認されました。また、V2Xシステムにおけるインフラ要因の重要性を評価し、計算実験を通じて、本フレームワークが多様な運用シナリオに対応可能であり、デジタルツインとしての応用が可能であることを示しました。本研究は、V2X無線通信分野に多目的なネットワーク管理フレームワークを提供するという貢献を果たすとともに、将来の6Gネットワークの効率性と耐障害性を高めるための、AI応用におけるマルチセンサ融合に関する研究の基盤を築くものと言えます。