SonoWorld：首个姿态可控超声世界模型

2026年10月15日，arXiv Computer Vision 报道，Zefan Yang 等作者提出并训练了因果、姿态可控的超声世界模型 SonoWorld。据该报道，SonoWorld 可从无标注临床视频中学习视频动态，并用少量经电磁（EM）传感器追踪的徒手临床扫描将其锚定到 6-DoF 控制。模型采用三阶段训练：先在约 690 万帧无标注多器官超声帧上预训练潜动作条件视频扩散模型；再用小型 EM 追踪甲状腺数据集，把学到的视频动态锚定到度量探头姿态；最后通过分布匹配蒸馏，实现因果、长时程自回归生成，并在推理时选择性缓存驱逐 token。报道称其使用少量徒手临床扫描完成 6-DoF 控制的锚定，但未说明该流程是否适用于其他器官或全部操作。目前该事件仅有这一篇报道，暂无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。