Kosmos, sztuczna inteligencja i nowe technologie - IWD Partner

Nvidia i fizyczna AI rozwiążą kryzys danych w robotyce medycznej

W 2025 roku Nvidia ogłosiła otwartoźródłowy framework Medical Physics Simulation, który potrafi skompresować pięć godzin treningu robota chirurgicznego do niecałych dwóch minut — uruchamiając jednocześnie 8192 równoległe środowiska symulacyjne na GPU. To liczba, która zmienia sposób, w jaki w ogóle myślimy o kształceniu systemów robotycznych: zamiast czekać latami na rzadkie przypadki kliniczne, możemy je generować komputerowo na żądanie. Dla redakcji IWD Partner to sygnał, że największa bariera w medycznej robotyce — nie sprzęt, nie algorytmy, lecz brak danych treningowych z prawdziwych procedur — zaczyna pękać. Co to jest fizyczna AI i dlaczego różni się od zwykłego uczenia maszynowego? Fizyczna AI (ang. physical AI) to klasa systemów uczących się, które zdobywają wiedzę poprzez kontakt ze światem materialnym — przez siły, opory, tarcie i konsekwencje działania — a nie przez analizę tekstu czy obrazów statycznych. Model językowy uczy się ze zdań; robot chirurgiczny musi nauczyć się, co dzieje się, gdy końcówka cewnika napotyka zwapniałą ścianę naczynia krwionośnego. Ta różnica ma fundamentalne konsekwencje praktyczne. Błąd modelu językowego skutkuje złą odpowiedzią na ekranie. Błąd fizycznego systemu AI podczas procedury wewnątrznaczyniowej może oznaczać perforację tkanki. Wymagania dotyczące niezawodności są więc nieporównywalnie wyższe niż w przypadku systemów konwersacyjnych. Branża robotyczna — z Nvidią na czele —…