本研究针对声波操控这一具有挑战性的问题，提出了一种基于数据驱动的高效机器人学习方法。通过稀疏驱动器，机器人能够在部分观察到的声波环境中有针对性地集中或抑制声能，从而在新材料设计、超声刀具和能量采集等应用中展现出重要的潜力和创新性。与现有技术相比，该方法在解决质量和计算复杂性方面具有明显优势，且在声学研究中与经典半解析方法也具备竞争力。

通过引入基于物理扩散模型的新方法，改善生成超声图像质量。定性和定量结果表明该方法产生了更合理的图像。

使用语音启用的基础模型，包括灵活的语音识别系统或音频提示的大型语言模型（LLM），变得越来越流行。本文展示了这些模型除了自动语音识别（ASR）之外，还能使用适当的提示执行其他任务的有趣方面。

本文介绍一种新的基于视觉的传感器，结合高分辨率触觉发射，以统一的硬件和计算体系结构进行处理。该传感器在多模式物体识别和计量方面表现出良好效果，并在触觉和视觉领域上具有重要的物理含义。数据验证了其能力可以从深度学习视觉和触觉结合的角度对家庭物品进行分类，识别细节纹理并推断其物理属性。

11月6日至9日，第20届国际计算机学会ACM嵌入式网络感知系统大会SenSys在美国波士顿召开。清华大学软件学院何源副教授课题组和美团无人机团队合作论文“麦巢：辅助无人机精准降落的远距离即时声源定位技术”获得了大会最佳论文奖第二名（Best Paper Runner-Up）。