NVIDIA open-source son premier framework accéléré par GPU pour la simulation en physique médicale
NVIDIA
CMR Surgical
Cambridge Consultants
Johnson & Johnson MedTech
Medtronic
NVIDIA a annoncé la plateforme Medical Physics Simulation, le premier framework open-source et accéléré par GPU pour modéliser l'interaction entre l'anatomie et les dispositifs médicaux en robotique. La plateforme permet aux développeurs de générer des scénarios rares, de tester et d'entraîner des robots en simulation avant de passer aux essais matériels.
NVIDIA a annoncé la sortie de Medical Physics Simulation, un nouveau framework open source au sein de NVIDIA Isaac for Healthcare, qui utilise pour la première fois des GPU pour accélérer la simulation de physique médicale. La plateforme permet de modéliser les interactions entre l'anatomie et les dispositifs médicaux, y compris le contact, le frottement et les données sensorielles, ainsi que de générer des scénarios difficiles d'accès pour l'apprentissage et l'évaluation du comportement des robots. Le framework combine la simulation physique classique et la physique générative basée sur NVIDIA Cosmos-H Dreams, ce qui permet de créer des environnements virtuels réalistes sans avoir à les reconstruire pour chaque processus de travail. Le code source ouvert assure la transparence pour les autorités réglementaires et la reproductibilité des résultats. Des tests montrent que 8192 environnements d'apprentissage parallèles sur GPU réduisent le temps d'entraînement de cinq heures à moins de deux minutes. Les développeurs utilisent déjà le framework : CMR Surgical et Cambridge Consultants appliquent Cosmos-H-Dreams pour l'apprentissage des procédures chirurgicales sur tissus mous, Johnson & Johnson MedTech construit des jumeaux numériques de la plateforme MONARCH, et XCath entraîne des politiques pour l'autonomie endovasculaire. Le fournisseur note également la contribution de CMR Surgical à l'ensemble de données ouvert Open-H Embodiment. Le framework peut être utilisé de manière autonome ou conjointement avec des jumeaux numériques, la simulation de capteurs médicaux et la bibliothèque Isaac Lab.
Source: NVIDIA blog —
original
