韩国科学技术院等研究团队开发了PAVAS技术，该技术能够根据视频中的物理特性生成更真实的音效。它不仅能识别物体，还能推断物体的质量和速度，从而提升音效与视觉的匹配度。此技术有望在影视、AR/VR等领域应用，推动生成式AI的发展。

麻省理工学院的研究人员开发了一种高效的模拟方法，帮助动画师创建逼真的弹性角色。该方法稳定地模拟弹性物体，避免了现有技术中的不稳定性，并保持物理特性。研究者通过揭示方程中的隐含凸结构，提升了模拟精度，适用于动画和工程设计，未来可能应用于制造柔性产品。

麻省理工学院计算机科学与人工智能实验室开发了一种名为“抓取神经过程”的深度学习模型，能够实时推断物体的隐藏物理特性，帮助机器人在复杂环境中找到最稳定的抓取方式。该模型通过有限的交互数据训练，显著提高了抓取效率并减少计算成本。研究人员希望未来能增强系统，使其能够实时调整抓取策略，以应对动态物体的变化。