在万物互联的智能时代，具身智能和空间智能需要的不仅是视觉和语言，还需要突破传统感官限制的能力；无线感知正成为突破这些物理限制的关键技术：通过 捕捉无线信号的反射特性，它让不可见的目标变得可感知，使机器能够 "看见" 墙壁后的动静、"感知" 数米外的动作，甚至捕捉到人类难以察觉的微妙变化。这种 全新的感知维度，能对环境中人机行为实现无感监测与精准解析，正在重塑人机交互的边界。 从感知到决策，离不开具有强大语义理解能力的大模型。但怎样构建一个除了视觉和语言之外，能够理解物理原理（电磁场、光学、声学等）、与物理世界交互 的大模型？ 这一问题并不能复制语言、视觉大模型的经验，因为大模型可以从人类几千年的文字资料中学习语言，可以从整个互联网的视频学习视觉；但除此以外，能提供 给模型学习的数据微乎其微；仅依赖真实世界的数据采集，难以支持大模型所需的海量数据。 为解决数据稀缺这一最大挑战，北京大学的许辰人教授团队和匹兹堡大学的高伟教授联合提出 SynCheck ，为机器学习提供与真实数据质量相近的合成数据。相关 工作发表在移动计算领域旗舰会议 MobiSys 2025 上，并获得会议的最佳论文奖。 论文标题： Data C ...