NVIDIA hat den Medical Physics Simulation Framework veröffentlicht, eine neue offene und GPU-beschleunigte Komponente innerhalb der Isaac-for-Healthcare-Plattform. Das Tool adressiert ein zentrales Hindernis in der Entwicklung von Gesundheitsrobotik: den massiven Bedarf an diversen Trainingsdaten für komplexe Anatomien, sich verformende Instrumente und unvorhersehbare Randbedingungen. Durch die Simulation von Kontaktreibung, Gewebedynamik und Sensorfeedback können Entwickler Roboterpolitiken bereits im virtuellen Raum schulen, testen und validieren, bevor physische Prototypen gefertigt werden. Technisch basiert das Framework auf der NVIDIA-CUDA-Architektur und integriert die Simulations- und KI-Komponenten Warp, Newton sowie Cosmos-H-Dreams. Es verbindet klassische physikalische Modellierung mit datengetriebener generativer KI, um sowohl bekannte mechanische Regeln als auch visuelle Szenariendynamiken abzubilden. Dank der GPU-Optimierung lassen sich simultan 8.192 Trainingsumgebungen parallel betreiben. Benchmarks belegen, dass sich die Trainingszeiten für Roboteragenten dadurch von über fünf Stunden auf unter zwei Minuten verkürzen. Die Open-Source-Ausrichtung erfüllt einen kritischen Bedarf im Gesundheitswesen: Transparenz über Daten, Modelle und Gewichtungen ist für Reproduzierbarkeit, Leistungsbewertung und regulatorische Zulassungsverfahren unerlässlich. Entwickler können das Framework inspizieren, an eigene Geräteanwendungen anpassen und nahtlos in die vorhandene NVIDIA-Infrastruktur einbetten. Die Industrie reagiert bereits mit konkreten Anwendungsprojekten. CMR Surgical nutzt Cosmos-H-Dreams zur Analyse weicher Gewebe für seine Versius-Chirurgieroboter und speist klinische Daten in das Open-H-Embodiment-Ökosystem ein. Johnson & Johnson MedTech entwickelt digitale Zwillinge des endoskopischen MONARCH-Systems für urologische Eingriffe. Weiterhin setzen XCath und Inner Logic die Simulation zur Schulung autonomer Katheternavigationsrichtlinien sowie zur Generierung synthetischer Validierungsdaten ein. Medtronic Structural Heart evaluiert das Tool für die Forschung zu Katheternavigation unter simulierter Röntgenbelichtung. Als modulare Erweiterung des Isaac-for-Healthcare-Stacks lässt sich die Simulation standalone oder in Kombination mit digitalen Zwillingen, Sensor-Modellen und dem Isaac-Lab-Framework für Robotiklernen einsetzen. Die verfügbaren Referenzworkflows ermöglichen es Entwicklern, umgehend eigene, an spezifische anatomische und gerätespezifische Anforderungen angepasste Simulationsumgebungen aufzubauen und so die Marktreife medizinischer Robotik signifikant zu beschleunigen.