ندرس العلاقة بين الملاحظات السمعية والبصرية والفيزياء الكامنة وراء نشاط يومي شائع ومعقد: صب السوائل. بالاعتماد على صوت السائل أثناء صبه في وعاء، هدفنا هو استنتاج الخصائص الفيزيائية تلقائيًا مثل مستوى السائل، وشكل الوعاء وحجمه، ومعدل الصب، والوقت اللازم لملء الوعاء. لتحقيق هذا الهدف، نقوم بما يلي: (أ) نوضح نظريًا أن هذه الخصائص يمكن تحديدها من خلال التردد الأساسي (النغمة)؛ (ب) ندرب نموذجًا لاكتشاف النغمة باستخدام إشراف من بيانات محاكاة ومن بيانات بصرية ذات هدف مستوحى من الفيزياء؛ (ج) نقدم مجموعة بيانات جديدة كبيرة تتضمن مقاطع فيديو حقيقية لصب السوائل بهدف دراسة منهجية؛ (د) نثبت أن النموذج المدرب يمكنه بالفعل استنتاج هذه الخصائص الفيزيائية للبيانات الحقيقية؛ وأخيرًا، (هـ) نظهر قدرة تعميم قوية لمختلف أشكال الأوعية، ولمجموعات بيانات أخرى، ولمقاطع الفيديو العشوائية على يوتيوب. يقدم عملنا فهمًا دقيقًا لمشكلة ضيقة ولكنها غنية عند تقاطع الأكوستيك والفيزياء والتعلم. إنه يفتح المجال لتطبيقات تعزز الإدراك متعدد الحواس في صب السوائل بواسطة الروبوتات.