NVIDIA 开源首个 GPU 加速医疗物理仿真框架，为医疗机器人训练铺路

NVIDIA 开源首个 GPU 加速医疗物理仿真框架

NVIDIA 宣布开源 Medical Physics Simulation，这是 NVIDIA Isaac for Healthcare 体系中的一项新能力，面向医疗机器人研发场景提供 GPU 加速的医疗物理仿真框架。该框架旨在帮助开发者在真实硬件测试之前，先在虚拟环境中模拟解剖结构、器械与组织之间的交互，并训练或评估机器人策略。

医疗机器人走向真实临床环境前，必须学会应对解剖差异、器械弯折与摩擦、组织接触、影像噪声以及各种低频边界场景。但这些训练所需的大量高质量数据难以从真实临床流程中稳定获得，这也成为医疗机器人开发的一大瓶颈。

NVIDIA 表示，新框架可帮助团队构建可复用的仿真环境，而不是为每一种工作流重复开发定制场景，从而减少开发时间，并加快产品进入市场的速度。

面向医疗机器人的虚拟训练场

Medical Physics Simulation 用于模拟解剖结构、器械接触、摩擦、传感器输入以及机器人在不同环境中的表现。框架基于 NVIDIA CUDA 构建，并集成到 Isaac for Healthcare 之中，底层结合了 NVIDIA Warp、Newton 和 Cosmos 等仿真及生成式 AI 技术。

NVIDIA 称，该框架可同时运行数百个并行仿真环境，用于更快探索不同场景并及早识别失败模式。公司引用基准结果称，借助原生 GPU 仿真，机器人训练环境可并行扩展至 8192 个，将训练时间从五个多小时压缩到两分钟以内。

在具体能力上，开发者可以把血管解剖、导管和导丝等柔性器械、模拟 X 射线成像以及强化学习训练结合到同一套环境中。框架当前以这一场景为例，但目标是扩展到更多器械、解剖结构、传感器和医疗机器人应用领域。

结合经典物理与生成式物理仿真

NVIDIA 强调，该框架并非只依赖单一路径建模，而是结合经典物理仿真与生成式 AI 物理仿真。前者主要描述器械接触、摩擦和运动等已知物理规律，后者则通过 Cosmos-H Dreams 在程序化数据基础上学习视觉场景动态，从而提升虚拟环境对复杂场景的表达能力。

这种组合让开发团队在进入实体原型制作和实验室验证之前，就能在更丰富的虚拟环境中完成系统构建、测试和策略迭代。

已有生态伙伴开始使用

NVIDIA 表示，多家医疗机器人和器械企业已经在基于这一框架开展工作。CMR Surgical 与 Cambridge Consultants 正利用 Cosmos-H Dreams 学习软组织手术中的交互物理，并生成患者特异性仿真。Johnson & Johnson MedTech 正结合 Medical Physics Simulation 与 Cosmos 基础模型，为其 MONARCH 泌尿外科平台构建数字孪生。XCath 使用该框架训练血管内自主策略，Inner Logic 则利用它生成合成数据、验证器械力学并支持监管证据构建。

Medtronic Structural Heart 也在探索将该框架与模拟 X 射线感知结合，用于导管导航研究数据生成。

在 Isaac for Healthcare 中的位置

作为 Isaac for Healthcare 的模块化能力，Medical Physics Simulation 可以单独使用，也可与数字孪生流程、医疗传感器仿真、Isaac Lab 机器人学习框架以及 NVIDIA 开放模型和策略结合使用。

NVIDIA 认为，开源对于医疗领域尤为重要。开发团队需要透明地理解数据、模型和权重如何影响系统行为，并据此复现实验结果、评估不同解剖和场景下的性能、识别局限，并为后续监管审查准备证据。