VAST：虚拟声学空间旅行者数据集

基于摘要分析。本文研究声源定位，提出 virtual acoustic space traveling（VAST，虚拟声学空间旅行）范式，并发布面向该范式的首个数据集。核心贡献是利用大量模拟房间脉冲响应，学习从音频特征到目标声学属性的映射，而非仅依赖近似物理模型或特定用途的校准数据。 数据设计力求在保持规模相对紧凑的同时，覆盖系统可能遇到的声学场景。其机制重点是通过虚拟声学环境提供训练样本，再考察所学映射向真实数据的泛化；摘要未说明具体音频特征、目标属性的参数化方式、映射模型或训练目标。 作者报告，在该虚拟数据集上学习的映射能够泛化到真实数据，并克服传统基于到达时间差的双耳声源定位方法的部分固有限制。摘要未给出数据规模、真实测试集、划分方式、对照配置及量化指标，实验协议、消融及统计信息尚未验证。 本文的直接研究对象是声学定位数据与虚实泛化，不是 EEG 解码或 BCI 算法。其训练依赖可模拟的声学传播结构；现有材料未建立该结构与 EEG 生成过程的具体对应关系，因此不能据此推断 EEG/BCI 收益，也不据此提出迁移复现实验。数据获取方式、模拟参数和生成流程仍需查阅全文核对；相关 EEG 工作尚未检索确认。