在醫療機器人實際應用前，它必須先學會如何應對物理世界的反作用力。人體解剖結構多變，儀器會彎曲、按壓、滑動並與組織互動。此外，影像可能存在雜訊或不完整，而開發者最需要理解的罕見邊緣情境也難以預期出現。
這導致醫療機器人領域面臨最大的瓶頸之一：開發者需要大量多樣化的數據來訓練、測試和改進機器人行為。
NVIDIA 今日宣布推出醫療物理模擬框架，這是 NVIDIA Isaac for Healthcare 中一項全新的開源 GPU 加速功能。它能協助醫療機器人開發者在進行大量硬體測試之前，模擬解剖結構與設備的互動、生成難以捕捉的場景、進行電腦模擬測試，以及訓練或評估機器人策略。
此框架整合了解剖結構、醫療設備行為、感測器模擬和機器人學習，讓團隊能夠建立可重複使用的模擬環境。這避免了為每個工作流程重新建構客製化場景的麻煩，從而節省開發者的時間，並加速創新產品上市。
由於醫療物理模擬框架是開源的，醫療機器人開發者可以檢視框架、根據自己的設備和工作流程進行調整，並在與 NVIDIA 廣泛生態系無縫協作的 GPU 加速基礎上進行開發。
開源在醫療保健領域尤其重要，因為團隊需要對塑造系統行為的數據、模型和權重保持透明。存取開源模型和模型權重可以幫助開發者重現結果、評估不同解剖結構和情境下的性能、識別限制，並為法規審查提供證據。
對於實體 AI 而言，經驗就是動態數據。開發者需要訓練機器人，使其即使在解剖結構改變、設備行為不同、條件變化或策略意外失效的情況下，也能正常運作。
醫療物理模擬框架協助開發者模擬解剖結構、設備接觸、摩擦和感測器輸入，然後在各種互動和環境中進行測試，以評估機器人在這些變化下的表現。該框架由 NVIDIA CUDA 驅動，是 Isaac for Healthcare 的一部分，並建立在 NVIDIA Warp、Newton 和 Cosmos 模擬與生成式 AI 技術之上。
它能同時運行數百個平行模擬環境，幫助團隊探索更多情境，並在開發早期識別故障模式。
對於機器人製造商而言，這將模擬從客製化的工程專案轉變為可重複使用的基礎設施。現在的關鍵在於規模：基準測試顯示，8,192 個機器人訓練環境平行運行，透過 GPU 原生模擬，將訓練時間從超過五小時縮短到不到兩分鐘。
透過此框架，開發者可以連結血管解剖結構、導管和導絲等柔性儀器、模擬 X 光影像以及強化學習。該框架的設計目標是超越此範例，擴展到更多設備、解剖結構、感測器和醫療機器人領域。
醫療物理模擬框架結合了經典物理模擬和生成式 AI 物理模擬。經典模擬有助於建模已知的物理規則，例如設備接觸、摩擦和運動。而 NVIDIA Cosmos-H Dreams 作為醫療物理模擬框架中的即時生成式 AI 物理模擬功能，則能幫助建模從程序數據中學習到的視覺場景動態。
這些方法的結合，為開發者提供了一種更豐富的方式，在虛擬環境中建構和測試醫療機器人系統，然後再進入實體原型和實驗室測試階段。
醫療機器人領域的領導者已經開始應用模擬驅動的開發方式，以解決特定的手術挑戰。
CMR Surgical 和 Capgemini 旗下的 Cambridge Consultants 正在使用 Cosmos-H-Dreams 來隱式學習軟組織手術的互動物理特性，並生成針對患者的客製化模擬。CMR 為 Open-H Embodiment 開放數據集貢獻了近 500 小時的匿名臨床數據，這些數據涵蓋了膽囊切除術、攝護腺切除術、疝氣修補術和子宮切除術等手術。
CMR Surgical 技術長 Chris Fryer 表示：「開源模型讓我們能夠建立在共享知識的基礎上，加速負責任的創新，並最終有潛力為全球患者提供更一致的護理和更好的治療結果。」
Johnson & Johnson MedTech 正在使用 Isaac for Healthcare 的醫療物理模擬框架和基於 Cosmos 的基礎模型，為其泌尿科內腔 MONARCH 平台建立數位分身，模擬複雜的解剖結構和腎結石情境。
XCath 正在使用醫療物理模擬框架進行血管內自主策略訓練。Inner Logic 則透過合成數據加速醫療技術的發展，驗證設備機械性能，並利用 NVIDIA 醫療物理模擬框架產生電腦模擬證據以支持法規途徑。Medtronic Structural Heart 正在探索將醫療物理模擬框架與模擬 X 光感測結合，以生成用於導管導航研究的數據。
作為 NVIDIA Isaac for Healthcare 中的模組化功能，醫療物理模擬框架可以單獨使用，也可以與數位分身管線、醫療感測器模擬、NVIDIA Isaac Lab 開源機器人學習框架以及 NVIDIA 開源模型和策略結合使用。
開發者可以探索開源的醫療物理模擬框架，檢閱可用的參考工作流程，並開始為自己的設備、解剖結構和醫療機器人應用程式建構模擬環境。
