NVIDIA a rendu open source son nouveau cadre de simulation de physique médicale, intégré à la plateforme Isaac for Healthcare. Cette solution, accélérée par le GPU, vise à résoudre un goulot d’étranglement majeur en robotique médicale : le manque de données variées pour entraîner et valider les robots dans des environnements anatomiques complexes et changeants. En simulant les interactions entre les tissus humains et les instruments chirurgicaux, le système permet aux développeurs de générer des scénarios rares, d’effectuer des tests virtuels et d’optimiser les politiques d’intelligence artificielle avant le passage à la phase matérielle. Basé sur les technologies CUDA, Warp, Newton et Cosmos-H Dreams, le cadre combine la physique classique pour modéliser le contact, le frottement et le mouvement, avec une simulation générative alimentée par l’IA pour reproduire la dynamique visuelle des scènes médicales. La puissance de calcul parallèle des GPU permet de faire tourner simultanément jusqu’à 8 192 environnements de simulation. Selon les benchmarks de NVIDIA, cette architecture réduit le temps d’entraînement des robots de plus de cinq heures à moins de deux minutes. L’ouverture du code source répond à une exigence de transparence cruciale dans le secteur de la santé. Elle permet aux équipes de vérifier les modèles et les données, d’adapter le cadre à leurs propres dispositifs, de reproduire les résultats et de constituer des dossiers solides pour les autorités de régulation. Cette approche transforme la simulation d’un projet d’ingénierie sur mesure en une infrastructure réutilisable. Plusieurs acteurs majeurs de l’industrie médicale exploitent déjà cette technologie. CMR Surgical a intégré Cosmos-H Dreams pour apprendre les interactions avec les tissus mous lors d’interventions chirurgicales, s’appuyant sur près de 500 heures de données cliniques anonymisées fournies par son système Versius. Johnson & Johnson MedTech développe des jumeaux numériques de sa plateforme endoluminaire MONARCH pour modéliser des cas complexes en urologie. XCath et Inner Logic utilisent le cadre pour entraîner des politiques d’autonomie en chirurgie vasculaire et générer des données synthétiques validant la mécanique des dispositifs. Medtronic Structural Heart explore quant à lui l’application de capteurs de rayons X simulés pour améliorer la navigation des cathéters. Ce module s’insère de manière modulaire dans l’écosystème Isaac for Healthcare, pouvant être utilisé seul ou en complément des pipelines de jumeaux numériques, de la simulation de capteurs médicaux, du framework Isaac Lab et des modèles ouverts de NVIDIA. Les développeurs peuvent dès à présent consulter le code, explorer les workflows de référence et commencer à concevoir des environnements virtuels pour leurs applications robotiques médicales. Cette initiative accélère le cycle d’innovation tout en renforçant la fiabilité et la sécurité des systèmes robotiques destinés au soin des patients.