Nvidia押注物理AI可解决医疗机器人的数据问题

Nvidia推出Medical Physics Simulation框架，将医疗机器人视为需通过接触、力与结果学习的物理AI系统，而非仅依赖代码。物理AI是Nvidia及机器人行业对这类机器的描述——它们需通过实际接触、力反馈和结果学习，而非仅靠文本或图像。

医疗机器人在真实手术中缺乏物理接触经验，且受严格监管，难以生成所需场景。该框架作为Isaac医疗平台的开源补充，可生成手术或诊断机器人需多年临床经验才能遇到的场景：导丝卡住钙化血管壁、肾结石以异常角度嵌入，或仅在少数手术中出现的软组织反应等极端情况。

框架结合两种建模方式：经典物理模拟处理已知机械规则（如导管弯曲、血管壁阻力）；生成式AI通过Cosmos-H Dreams组件处理难以编码的视觉场景动态，两者结合形成物理AI方案。经典模拟提供机器人操作所需的物理规则，生成式模拟则提供视觉和解剖学变化的泛化能力。

在GPU上通过Warp和Newton库运行时，框架支持大量并行训练环境，而非单次场景。8192个并行环境的基准测试将训练时间从5小时以上缩短至2分钟以内，虽提升效率，但需验证模拟场景与实际手术的匹配度。

早期采用者包括CMR Surgical和Capgemini旗下的Cambridge Consultants。CMR贡献500小时匿名临床数据，生成患者特定模拟；双方正利用Cosmos-H Dreams建模软组织交互物理，构建开放共享的物理AI训练环境。