Что такое физический ИИ
Nvidia развивает концепцию «физического ИИ» (Physical AI). В отличие от языковых моделей, которые учатся на текстах, физический ИИ должен понимать, как объекты взаимодействуют в реальном мире. Ему необходимо чувствовать силу нажатия, сопротивление тканей и последствия физических контактов.
Для медицинских роботов обучение на практике крайне затруднено. Реальные операции строго регламентированы, а количество клинических случаев ограничено. Разработчикам сложно собрать базу данных, включающую редкие осложнения или нестандартное расположение органов.
Новый метод обучения
Для решения этой проблемы Nvidia представила фреймворк Medical Physics Simulation. Это инструмент с открытым исходным кодом, который создает виртуальный опыт для роботов. Он позволяет моделировать ситуации, которые в реальности могут встретиться лишь в малом проценте случаев, например, застревание проводника в кальцинированной стенке сосуда.
Технология объединяет два подхода. Классическая физика рассчитывает механические правила: как гнется инструмент и какое сопротивление оказывает ткань. Генеративный ИИ (компонент Cosmos-H Dreams) отвечает за визуальную динамику и анатомическое разнообразие. Это позволяет создавать бесконечное количество вариаций органов и тканей.
Скорость и масштабируемость
Использование графических процессоров и библиотек Warp и Newton позволяет запускать тысячи симуляций одновременно. Это радикально ускоряет процесс: например, обучение, которое раньше занимало пять часов, теперь может завершиться менее чем за две минуты при использовании 8192 параллельных сред.
Однако высокая скорость обучения не гарантирует клиническую надежность. Симуляция помогает быстро изучить возможные ошибки, но она не заменяет проверку того, как система поведет себя при неполных данных с датчиков или при анатомии, не предусмотренной моделью.
Кто уже использует технологию
Ряд компаний уже внедряет эти методы для разных задач. CMR Surgical и Cambridge Consultants используют данные реальных операций для моделирования взаимодействия с мягкими тканями. Johnson & Johnson MedTech создает цифровой двойник своей платформы MONARCH для работы с камнями в почках.
Другие участники процесса: XCath тренирует системы навигации в сосудах без участия человека, Inner Logic использует синтетические данные для проверки механики устройств, а Medtronic Structural Heart исследует возможности рентгеновской визуализации для управления катетером.
Что это значит
Открытый код фреймворка позволяет разработчикам проверять физические допущения и создавать доказательную базу для регуляторов, таких как FDA. Это важный шаг к созданию прозрачных систем, но окончательное подтверждение того, что поведение робота в симуляции полностью совпадает с поведением в теле пациента, все еще требует проведения реальных клинических испытаний.