NVIDIA 开源首个 GPU 加速医疗物理仿真框架

在医疗机器人真正投入现实应用之前，它必须学会物理世界的反作用力。解剖结构因人而异，器械会弯曲、按压、滑动并与组织交互，成像可能带有噪声或不完整，而开发者最需要理解的罕见边缘场景并不会按计划出现。这构成了医疗机器人开发的最大瓶颈：获取海量多样化数据以训练、测试和优化机器人行为。NVIDIA 最新开源的 Medical Physics Simulation 框架正是为解决这一难题而设计，它帮助开发者模拟解剖-器械交互、生成难以捕获的场景，并在硬件密集型测试之前进行虚拟训练和评估。

该框架将解剖学、医疗设备行为与传感器仿真及机器人学习相结合，使团队能够创建可复用的仿真环境，而无需为每个工作流重建定制场景。基于 NVIDIA CUDA 加速，并作为 Isaac for Healthcare 的一部分，该框架依托 Warp、Newton 和 Cosmos 等仿真与生成式 AI 技术，可并行运行数百个仿真环境。基准测试显示，使用 GPU 原生仿真并行运行 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，帮助团队更早发现故障模式。

Medical Physics Simulation 融合了经典物理仿真与生成式 AI 物理仿真。经典仿真用于建模已知物理规则，如器械接触、摩擦和运动；而 NVIDIA Cosmos-H Dreams 则提供实时生成式 AI 物理仿真能力，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，在转向物理原型和实验室测试之前，于虚拟环境中构建和测试医疗机器人系统。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，并扩展至更多设备和领域。

医疗机器人领域的领导者已开始采用仿真驱动开发。CMR Surgical 与 Capgemini 旗下的 Cambridge Consultants 利用 Cosmos-H-Dreams 隐式学习软组织手术中的交互物理，并生成患者特定仿真。强生医疗科技则使用该框架构建其 MONARCH 平台在泌尿科的数字孪生，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 通过合成数据验证器械力学并生成监管证据，美敦力结构性心脏病部门也在探索结合模拟 X 射线传感进行导管导航研究。

作为 Isaac for Healthcare 的模块化能力，Medical Physics Simulation 可独立使用，也可与数字孪生管线、医疗传感器仿真、Isaac Lab 开放机器人学习框架及 NVIDIA 开放模型和策略协同工作。开源特性在医疗领域尤为重要，它确保团队能够审查数据、模型和权重，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。开发者现可探索该开源框架，参考工作流，并开始为自己的设备、解剖结构和医疗机器人应用构建仿真环境。

要点

• NVIDIA 开源 Medical Physics Simulation 框架，这是首个 GPU 加速的医疗物理仿真工具，集成于 Isaac for Healthcare 平台。
• 该框架利用 CUDA 和生成式 AI 技术，可并行运行数千个训练环境，将训练时间从五小时以上缩短至两分钟以内。
• 融合经典物理仿真与生成式 AI 物理仿真，帮助开发者模拟解剖变化、器械交互和罕见边缘场景。
• CMR Surgical、强生医疗科技、XCath 等企业已应用该框架，用于手术机器人训练、数字孪生构建和监管证据生成。
• 开源特性确保医疗领域所需的透明度和可复现性，支持开发者审查数据、模型和权重。