Ricerca
DyPSI: rilevamento dinamico di fenomeni fisici tramite generazione congiunta di campi e traiettorie dei sensori
Il rilevamento di fenomeni fisici in ambienti in evoluzione richiede di ricostruire campi spaziotemporali densi a partire da osservazioni sparse, adattando al contempo i luoghi in cui raccogliere le o
- arXiv
- 2611.06280
- Pubblicato
- 2026-11-04
- Autori
- Yizhou Zhang, Panqi Chen, Lei Cheng, Ting Zhang, Jianlong Li, Jianfeng Shi, Shikai Fang
Abstract degli autori
Il rilevamento di fenomeni fisici in ambienti in evoluzione richiede di ricostruire campi spaziotemporali densi a partire da osservazioni sparse, adattando al contempo i luoghi in cui raccogliere le osservazioni future. I metodi esistenti di ricostruzione e posizionamento dei sensori hanno compiuto notevoli progressi, ma in genere si basano su ipotesi di rilevamento statico: usano un’unica configurazione per tutti i fotogrammi oppure ottimizzano i posizionamenti indipendentemente a ogni fotogramma, limitando così la loro capacità di produrre traiettorie di rilevamento coerenti nel tempo. Presentiamo DyPSI, un framework per il rilevamento dinamico di fenomeni fisici che formula il problema come generazione congiunta dei campi futuri e delle traiettorie dei sensori, condizionata alle osservazioni storiche. DyPSI proietta le coordinate discrete dei sensori in campi continui di posizione dei sensori, codifica i campi e le configurazioni di rilevamento con una rappresentazione Tucker funzionale condivisa e addestra un modello di diffusione congiunto a generare simultaneamente campi futuri e traiettorie dei sensori nello spazio latente risultante. Un kernel temporale di processo gaussiano correla la perturbazione introdotta durante l’addestramento per diffusione, orientando il denoiser verso ricostruzioni temporalmente regolari; forniamo inoltre un’analisi che collega l’obiettivo di addestramento EDM a un criterio di A-ottimalità aggregato sulla sequenza e a un limite della variazione delle traiettorie discrete indotto dal kernel. Gli esperimenti su flussi turbolenti, temperatura della superficie marina GLORYS12 e aerodinamica di automobili in 3D mostrano che DyPSI supera con costanza le strategie di posizionamento statico e per singolo fotogramma, con una notevole riduzione dell’errore quando il budget di sensori è limitato. Il codice è disponibile all’indirizzo https://github.com/mengqi132/DyPSI.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv