엔비디아, 의료로봇용 GPU 물리 시뮬레이션 프레임워크 오픈소스로 공개

엔비디아가 의료로봇을 실제 장비와 환자 환경에 투입하기 전에 가상 공간에서 학습·검증할 수 있는 오픈소스 시뮬레이션 기반을 공개했다. 엔비디아의 22일 공식 블로그에 따르면 새 Medical Physics Simulation은 NVIDIA Isaac for Healthcare에 포함된 GPU 가속 프레임워크로, 해부학 구조와 의료기기의 상호작용, 센서 입력, 로봇 학습을 하나의 시뮬레이션 흐름으로 연결한다.

의료로봇 개발에는 실제 환경에서 반복하기 어렵거나 위험한 상황을 충분히 재현해야 하는 문제가 있다. 해부학적 구조는 환자마다 다르고 카테터와 가이드와이어 같은 기구는 조직과 접촉할 때 휘거나 미끄러질 수 있다. 프레임워크는 이 같은 접촉과 마찰, 움직임을 가상 환경에서 반복해 로봇 정책을 학습하고 실패 조건을 사전에 살펴보도록 설계됐다.

공식 문서는 Medical Physics Simulation을 고전 물리 해석기와 생성형 월드모델 시뮬레이션을 함께 사용하는 GPU 네이티브 기반으로 설명한다. 고전 물리 모듈은 기구의 접촉과 마찰, 운동처럼 규칙이 비교적 분명한 현상을 계산한다. Cosmos-H-Dreams 모듈은 데이터에서 기기와 해부학 구조의 시각적 상호작용을 학습해 합성 데이터 생성과 로봇 정책 평가에 활용하는 방식이다.

현재 공개된 구성에는 혈관 내 카테터·가이드와이어 움직임을 다루는 Endoluminal Solver가 포함됐다. 이 모듈은 혈관 구조 안에서 유연한 기구의 동역학을 계산하며, 모의 X선 영상과 강화학습을 연결할 수 있다. 공식 GitHub 저장소는 카테터 내비게이션 외에도 로봇 수술, 로봇 초음파, 원격수술 등 의료로봇 개발용 참조 워크플로를 Apache-2.0 라이선스로 제공한다.

GPU 병렬 처리도 핵심이다. 엔비디아는 프레임워크가 수백 개의 시뮬레이션 환경을 동시에 실행할 수 있다고 설명했다. 회사가 인용한 FF-SRL 벤치마크에서는 8,192개의 로봇 학습 환경을 병렬로 구동해 특정 조직 조작 과제의 학습 시간을 5시간 넘게 걸리던 수준에서 2분 미만으로 줄였다고 보고했다. 연구자 원문은 물리 시뮬레이션과 강화학습 정책 훈련을 단일 GPU에 배치해 CPU와 GPU 사이의 데이터 전송 병목을 줄인 결과라고 설명한다. 다만 이 수치는 특정 과제와 비교 환경에서 측정된 연구 결과다.

엔비디아 공식 블로그는 CMR Surgical과 Johnson & Johnson MedTech, XCath, Inner Logic 등이 수술·혈관 내 로봇 개발과 합성 데이터, 디지털 트윈에 관련 기술을 적용하고 있다고 소개했다. Medtronic Structural Heart는 모의 X선 감지를 활용한 카테터 내비게이션 연구 적용을 검토 중이라고 밝혔다. 각 사례는 개발과 연구 단계로, 실제 임상 성능이나 상용 의료기기 승인을 입증한 결과와는 구분해야 한다.

이번 공개는 의료로봇 개발에서 개별 기업이 반복해 만들던 시뮬레이션 환경을 재사용 가능한 오픈소스 기반으로 묶으려는 시도다. 소스 코드와 모델 구성에 접근할 수 있으면 연구자가 해부학 조건과 기구 동작을 바꿔가며 결과를 재현하고 한계를 점검하기 쉬워진다. 반면 가상 환경의 성능이 실제 환자와 임상 현장에서 그대로 이어진다고 볼 수는 없다. 실제 적용에는 현실과 시뮬레이션의 차이를 검증하는 절차와 의료기기 규제 심사가 별도로 필요하다.

출처: NVIDIA 공식 블로그 https://blogs.nvidia.com/blog/medical-physics-simulation-open-source/
출처: NVIDIA Isaac for Healthcare 공식 문서 https://isaac-for-healthcare.github.io/medical-physics-simulation/
출처: Isaac for Healthcare 공식 GitHub 저장소 https://github.com/isaac-for-healthcare/i4h-workflows
출처: FF-SRL 연구자 원문 https://arxiv.org/abs/2503.18616