NVIDIA 开源首个 GPU 加速的医学物理模拟框架

在医疗机器人能够真正服务于现实世界之前，它必须学会物理世界如何反作用于自身。人体解剖结构千差万别；手术器械会弯曲、按压、滑动，并与组织交互；医学影像可能充满噪声或不完整；而开发者最需要理解的那些罕见边缘场景却不会按时出现。这构成了医疗机器人领域最大的瓶颈之一：获取海量多样化的数据，以训练、测试和优化机器人的行为。

NVIDIA 今日宣布开源其全新的 GPU 加速医学物理模拟框架——作为 Isaac for Healthcare 的一部分——旨在帮助医疗机器人开发者模拟解剖结构-器械交互、生成难以捕获的场景、进行虚拟测试，并在投入硬件密集型测试之前训练或评估机器人策略。该框架将解剖结构、医疗设备行为、传感器模拟与机器人学习融为一体，使团队能够创建可复用的模拟环境，而无需为每个工作流重建定制场景，从而节省开发时间并加速创新上市。

由于该框架是开源的，医疗机器人开发者可以审查其代码，根据自身设备和流程进行调整，并构建在 GPU 加速的基础之上，无缝集成更广泛的 NVIDIA 技术栈。开源在医疗领域尤为重要，因为团队需要透明地了解塑造系统行为的数据、模型和权重。访问开放模型和权重有助于开发者复现结果、评估在不同解剖结构和场景下的性能、识别局限性，并为监管审查积累证据。

为医疗机器人打造虚拟训练场

对于物理 AI 而言，经验即运动中的数据。开发者需要训练机器人，使其在解剖结构变化、器械行为差异、环境条件改变或策略意外失败时仍能正常运行。医学物理模拟帮助开发者模拟解剖结构、器械接触、摩擦力和传感器输入，然后通过交互和环境测试来评估机器人应对这些变化的表现。该框架由 NVIDIA CUDA 加速，是 Isaac for Healthcare 的一部分——构建于 NVIDIA Warp、Newton 和 Cosmos 模拟及生成式 AI 技术之上——可以并行运行数百个模拟环境，帮助团队更早地探索更多场景并识别故障模式。

对于机器人构建者而言，这将模拟从定制工程转变为可复用的基础设施。其扩展能力令人瞩目：基准测试显示，使用 GPU 原生模拟并行运行 8,192 个机器人训练环境，可将训练时间从超过五小时缩短至不到两分钟。借助该框架，开发者可以连接血管解剖结构、导管和导丝等柔性器械、模拟 X 射线成像以及强化学习。该框架设计为可扩展至更多器械、解剖结构、传感器和医疗机器人领域。

医学物理模拟融合了经典物理模拟和生成式 AI 物理模拟。经典模拟用于建模已知的物理规则，如器械接触、摩擦和运动。而 NVIDIA Cosmos-H Dreams 是框架内基于实时生成式 AI 的物理模拟能力，用于从程序化数据中学习视觉场景动态。两者结合，为开发者提供了更丰富的方式，在虚拟环境中构建和测试医疗机器人系统，然后再转向物理原型和实验室测试。

构建医疗机器人未来的生态系统

医疗机器人领域的领导者们已经开始应用模拟驱动开发来解决具体的手术挑战。CMR Surgical 与 Capgemini 旗下的 Cambridge Consultants 合作，利用 Cosmos-H-Dreams 隐式学习软组织手术中的交互物理，并生成患者特定的模拟。CMR 将其 Versius 手术机器人系统中近 500 小时的匿名临床数据贡献给了 Open-H Embodiment 开放数据集，惠及胆囊切除术、前列腺切除术、疝修补术和子宫切除术等手术。

“开源模型使我们能够基于共享知识进行构建，加速负责任的创新，并最终有可能为全球患者带来更一致的护理和更好的预后，”CMR Surgical 首席技术官 Chris Fryer 表示。

强生医疗科技正在使用 Isaac for Healthcare 中的医学物理模拟和基于 Cosmos 的基础模型，为其用于泌尿科的 MONARCH 平台构建数字孪生，模拟复杂的解剖结构和肾结石场景。XCath 正在使用医学物理模拟进行血管内自主策略训练。Inner Logic 正利用合成数据加速医疗技术发展，通过 NVIDIA 医学物理模拟验证器械力学并生成虚拟证据以支持监管审批。美敦力结构性心脏部门正在探索将医学物理模拟与模拟 X 射线传感相结合，为导管导航研究生成数据。

Isaac for Healthcare 栈中的新层级

作为 NVIDIA Isaac for Healthcare 的一个模块化能力，医学物理模拟可以独立使用，也可以与数字孪生管道、医疗传感器模拟、NVIDIA Isaac Lab 开放机器人学习框架以及 NVIDIA 开放模型和策略协同使用。开发者可以探索开源的医学物理模拟框架，查看可用的参考工作流，并开始为自己的器械、解剖结构和医疗机器人应用构建模拟环境。