NVIDIA 开源首个 GPU 加速的医学物理模拟框架

医疗机器人开发面临数据瓶颈：解剖结构因人而异，器械弯曲、按压、滑移等交互复杂，罕见边缘场景难以获取。NVIDIA新开源的医学物理仿真框架旨在解决这一问题，通过GPU加速模拟解剖-器械交互、生成难以捕获的场景，并在硬件测试前进行虚拟训练。

框架集成于NVIDIA Isaac for Healthcare，基于CUDA、Warp、Newton和Cosmos技术。它结合经典物理仿真（模拟接触、摩擦等已知物理规则）与生成式AI物理仿真（Cosmos-H Dreams，从程序化数据中学习视觉场景动态）。开发者可连接血管解剖、柔性器械（如导管、导丝）、模拟X射线成像和强化学习，实现端到端仿真。

框架可并行运行8192个机器人训练环境。基准测试显示，GPU原生仿真将训练时间从超过5小时缩短至不到2分钟。这一规模优势使团队能探索更多场景，更早发现故障模式。

CMR Surgical与Cambridge Consultants使用Cosmos-H Dreams学习软组织手术交互物理，并贡献近500小时Versius手术机器人匿名临床数据至Open-H Embodiment数据集。强生MedTech利用框架构建MONARCH平台数字孪生，模拟复杂解剖和肾结石场景。XCath用于血管内自主策略训练，Inner Logic用于验证器械力学和生成合成数据以支持监管路径，美敦力结构性心脏病部门探索结合模拟X射线进行导管导航研究。

开源在医疗领域尤为重要，团队需要透明地审查数据、模型和权重，以复现结果、评估不同解剖和场景下的性能、识别局限性，并为监管审查构建证据。框架作为Isaac for Healthcare的模块化能力，可单独使用或与数字孪生、传感器仿真、Isaac Lab等结合。