2026年6月1日至3日在瑞士日内瓦Campus Biotech举行的第39届计算机动画、社会智能体与扩展现实国际会议（CASAXR 2026）上，北京大学图形智能实验室在声音仿真方面的两篇论文发表。其中，经大会奖励委员会评选，《SonicRadiation: Ghost-Cell-Free Hybrid Acoustic Simulation via Consistent Boundary-Grid Coupling》获评最佳论文奖。实验室朱飞博士做大会口头报告，并作为代表领取了最佳论文奖。
CASAXR会议是国际计算机动画和社会智能体领域的著名学术会议，在计算机图形学界享有盛誉，已有39年的悠久历史。声音作为与视觉并行的核心感知模态，承载着物体材质、空间结构和动态交互等丰富的物理信息。在具身智能训练中，声音能够补充视觉难以获取的物理属性，促进跨模态感知与因果推理；在世界模型构建中，高保真声学仿真为物理一致性建模提供重要约束，提升模型对物体状态、材料属性及交互过程的理解与预测能力。图形智能实验室李胜-汪国平团队长期开展仿真相关研究工作，在声音仿真领域取得了系列研究成果，多项工作发表于ACM SIGGRAPH、CVPR、IEEE TVCG 及本会议等国际著名学术会议和期刊。
北京大学计算机学院博士生金旭统为论文第一作者，李胜和朱飞为论文共同通讯作者，合作者还包括汪国平教授。本项研究得到了国家重点研发计划、深圳市科技计划资助等项目的支持。
论文信息：Jin Xutong, Fei Zhu, Guoping Wang, Sheng Li. SonicRadiation: Ghost-Cell-Free Hybrid Acoustic Simulation via Consistent Boundary-Grid Coupling. CASAXR’2026, Geneva, Switzerland.
现有仿真环境在声场辐射传播的物理准确性、几何复杂性与动态边界的处理能力上存在显著瓶颈，制约了具身智能体在真实声学场景中的泛化与交互能力。针对上述挑战，我们提出的SonicRadiation方法通过无Ghost Cell的混合边界-网格耦合框架，实现了时域声学仿真的精度与效率的协同突破，从根本上解决了薄结构、复杂曲面及动态边界下的离散化数值误差与几何不一致性问题。这一进展为构建高物理一致性的具身智能声学训练环境、支撑世界模型中声音-物理耦合的准确建模提供了关键的仿真基础设施，使智能体能够在复杂动态场景中习得基于真实声学物理的感知与交互能力。
