NVIDIA、医療用ロボット開発を加速するGPUネイティブの物理シミュレーションフレームワークを発表

要点

• NVIDIAは、医療用ロボット開発におけるデータ不足や検証コストの課題を解決するシミュレーション基盤を発表した。

• 本機能は医療向けプラットフォーム「NVIDIA Isaac for Healthcare」の一部として、「NVIDIA Medical Physics Simulation」の名称でオープンソース提供される。

• 血管などの体内をカテーテルが移動する手技をリアルタイムに模擬できる「Endoluminal Simulation Module」が一般公開された。

• 物理シミュレーションだけでなく、生成AIによる世界モデル「NVIDIA Cosmos-H」との統合により、現実的な模擬環境の構築を可能にする。

• 米NVIDIAは2026年7月28日、医療用ロボットの開発を支援するプラットフォーム「NVIDIA Isaac for Healthcare」において、GPUネイティブのオープンソースフレームワーク「NVIDIA Medical Physics Simulation」を発表した。同フレームワークは、医療器具と生体組織の相互作用や医療画像をGPU（画像処理半導体）上で高速かつ高精度にシミュレートし、ロボットの強化学習を大規模に行うことを可能にする。

医療用ロボティクス開発における3つの課題

自動運転や産業用ロボットとは異なり、医療用ロボットの開発ではインターネット規模のデータ収集や実世界での試行錯誤が難しい。検証には高価な機器や臨床知識、患者や実験環境が必要となるためである。この制約により、開発現場は3つの課題に直面している。

第1の課題は「データギャップ（データ不足）」だ。ロボットの行動基準となる「ポリシー（ロボットが取るべき動作の判断ルール）」を訓練するには数万件規模のデータが必要だが、多くの開発チームは数百件しか確保できていない。また、発生頻度は低いが臨床の安全性に極めて重要な症例である「ロングテール（稀な解剖構造や合併症など）」は現実のデータに現れにくく、安全性の担保を難しくしている。

第2の課題は、未知の環境に対応する「汎化」だ。お手本を真似る模倣学習は手持ちデータの範囲外で性能が頭打ちになるため、試行錯誤から自律的に学ぶ「強化学習（RL）」が求められる。強化学習を進めるには、失敗から学びつつ数百万回ものやり取りを高速かつリアルに試せるシミュレーション環境が欠かせない。

第3の課題は「開発速度」である。これまでの開発は、生体を模した模型である「ファントム」での実験や、献体・動物実験、限られた臨床評価といった物理検証に依存していた。検証が順次的でコストも高いため、全体の開発サイクルは4〜7年と非常に長期化していた。

GPUネイティブな医療物理シミュレーション

今回発表された「Medical Physics Simulation」は、こうした課題を解決するインフラとして設計された。開発者は「NVIDIA Isaac Sim」や「NVIDIA Isaac Lab」内で、生体を再現した「解剖学的デジタルツイン（仮想空間上に構築する物理モデルの複製）」を生成し、器具の動きや医療用画像をシミュレートできる。

最大の特徴は、シミュレーション処理とAI学習の双方が同じGPU上で実行される点だ。これにより、CPUとGPU間の不要なデータ転送に伴う処理遅延（オーバーヘッド）を回避し、効率的な機械学習を可能にする。

血管内の器具操作を模擬する「Endoluminal Simulation Module」

本フレームワークの一部として、古典的な物理演算に基づく「Endoluminal Simulation Module（管腔内シミュレーションモジュール）」の一般提供が開始された。「管腔（かんくう）」とは血管のように内部が空洞になった器官を指す。同モジュールは、血管などを進むカテーテル（検査や治療用の細い管）のような柔軟な手術器具の動きをリアルタイムにシミュレートする。

開発にはPython用のGPU物理演算フレームワーク「NVIDIA Warp」や物理エンジン、並列計算プラットフォーム「CUDA（クダ）」が使われている。今回の初期リリースでは、X線透視ガイド下で血管内を移動するカテーテルのデモが提供された。単体パッケージのため、既存のワークフローに個別で統合できるという。

生成AI「ワールドモデル」との統合

さらに、従来の物理ベースの計算だけでなく、生成AIによる世界モデル（環境の物理変化を予測するAIモデル）「NVIDIA Cosmos-H」との統合も可能だ。

物理計算に生成AIによる動画予測や合成データの生成を組み合わせることで、より頑健で実用的なシミュレーション環境を構築し、医療用ロボティクス開発を補完できると説明している。