Проблема: нехватка реальных данных для обучения
Обучение медицинских роботов требует огромных объемов разнообразных данных, особенно для редких и опасных сценариев. В реальном мире анатомия пациентов варьируется, инструменты изгибаются и скользят, а изображения могут быть зашумлены. Сбор таких данных вручную — узкое место, замедляющее вывод устройств на рынок. NVIDIA решила эту проблему, создав открытую платформу для симуляции физики взаимодействия устройств с тканями.
Технология: CUDA, Warp и Cosmos-H Dreams
Новый фреймворк Medical Physics Simulation интегрирован в экосистему NVIDIA Isaac for Healthcare. Он объединяет классическую физику (трение, контакт, движение) и генеративный ИИ через компонент Cosmos-H Dreams. Это позволяет моделировать визуальную динамику сцен, обученную на процедурных данных. Архитектура построена на NVIDIA Warp, Newton и CUDA, что обеспечивает нативную работу с GPU.
Результаты: от часов к минутам
Ключевое преимущество — масштабирование. Фреймворк позволяет запускать тысячи параллельных сред симуляции. Бенчмарки показывают радикальное сокращение времени обучения политик управления роботом:
| Параметр | Значение / Результат |
|---|---|
| Количество параллельных сред | 8 192 |
| Время обучения (до) | > 5 часов |
| Время обучения (после) | < 2 минут |
| Ускорение | ~150x |
Практическое применение и партнеры
Открытый код позволяет компаниям адаптировать симуляцию под свои устройства. Среди первых пользователей:
- CMR Surgical: Использует Cosmos-H Dreams для обучения на данных системы Versius (холецистэктомия, простатэктомия и др.). Компания внесла ~500 часов анонимизированных клинических данных в датасет Open-H Embodiment.
- Johnson & Johnson MedTech: Создает цифровых двойников эндоскопической платформы MONARCH для урологии, моделируя сложную анатомию и сценарии с камнями в почках.
- XCath: Применяет симуляцию для обучения политик автономности эндоваскулярных роботов.
- Inner Logic: Генерирует синтетические данные для валидации механики устройств и подготовки доказательной базы для регуляторных органов.
Значимость для отрасли
Открытость фреймворка критична для медицинского сектора: она обеспечивает прозрачность моделей и весов, что необходимо для воспроизводимости результатов и прохождения регуляторных проверок (например, FDA). Разработчики могут использовать Medical Physics Simulation как самостоятельный модуль или в связке с Isaac Lab и цифровыми двойниками, ускоряя переход от виртуального тестирования к физическим прототипам.
Источник: NVIDIA Blog ↗