DyPSI 是一种动态物理感知框架，将未来场和传感器轨迹的生成视为条件于历史观测的联合任务。它将离散传感器坐标提升为连续的传感器位置场（Sensor Position Field），使用共享的 Functional Tucker 表示对场和感知配置进行编码，并在该潜在空间上训练联合扩散模型，同时生成未来场和感知轨迹。为实现时间平滑，训练时在扩散过程中注入的扰动通过高斯过程时间核关联，使去噪器倾向于产生平滑恢复。进一步，作者将 EDM 训练目标与序列聚合的 A‑optimality 准则以及核诱导的离散轨迹变化界限建立联系。实验在湍流流场、GLORYS12 海表温度以及三维汽车气动等任务上验证，DyPSI 在严格的传感器预算下显著降低误差，优于静态和逐帧放置策略。代码已公开。\n\n点评: DyPSI 通过连续化传感器位置和时序平滑的扩散训练，实现了空间‑时间一致的感知规划，展示了生成模型在物理场重建中的新潜力。