NVIDIA 開源醫療機器人物理模擬框架，以 8,192 個平行環境訓練導管策略

NVIDIA 公開 Medical Physics Simulation，嘗試把醫療機器人的解剖結構、柔性器械與感測器模擬收斂成可重用的 GPU 工作流。框架屬於 Isaac for Healthcare，底層結合 CUDA、Warp、Newton 與 Cosmos；開發者可描述血管幾何、導管或導絲的彎曲與接觸、摩擦參數，以及模擬 X 光影像，再把環境接到強化學習策略。公開的參考工作流則涵蓋機器人手術、超音波、遠距手術和醫院數位分身。

醫療機器人最缺乏的通常不是正常操作影片，而是罕見失敗、解剖差異及器械與軟組織互動資料。GPU 原生模擬可同時改變血管形狀、接觸條件和感測雜訊，用域隨機化產生實體世界難以安全收集的邊緣案例。NVIDIA 公布的導管訓練示範同時執行 8,192 個環境，把原需五小時以上的策略訓練壓至兩分鐘內；這代表研究者可更快掃描參數與比較控制策略，而非只加速單次視覺渲染。

不過，這項結果衡量的是特定模擬工作負載的運算速度，不能證明策略能直接轉移到病患或通過醫材驗證。血管材料、摩擦、流體效應與影像形成若建模不準，平行產生再多資料也可能系統性放大 sim-to-real 偏差。程式碼採 Apache 2.0 並已提供參考實作，但各配套模型與資料可能採不同授權。後續應關注硬體與屍體實驗的轉移成功率、可重現基準、模型校準方式，以及監管流程如何接受合成資料作為驗證證據。