Nvidia apresentou o primeiro dataset aberto e modelos fundacionais de AI para robôs médicos

Nvidia apresentou seu primeiro dataset aberto e modelos de IA fundamentais para robótica cirúrgica

Nvidia, juntamente com a comunidade de pesquisa, apresentou o Open-H-Embodiment — o primeiro grande dataset aberto para robótica médica, além de dois modelos fundamentais para cenários cirúrgicos. O pacote foi publicado no Hugging Face e destina-se a deslocar a IA médica da análise de imagens para sistemas que possam agir no mundo físico.

O que foi aberto

A ideia principal do lançamento é simples: para medicina, modelos que apenas reconhecem imagens, segmentam tecidos ou classificam patologias não são mais suficientes. Na sala de operações, durante ultrassom ou durante colonoscopia, uma máquina precisa trabalhar com instrumentos, entender o contato com tecido, levar em conta a cinemática do robô e fechar o loop de controle com feedback. É exatamente para isso que Open-H-Embodiment foi montado — uma base comum para treinar e avaliar Physical AI em robótica médica.

• 778 horas de dados de treinamento sob licença CC-BY-4.0
• 35 organizações participantes de universidades, clínicas e indústria
• cenários de cirurgia, ultrassom e colonoscopia autônoma
• dados de simulação, exercícios de treinamento e procedimentos reais
• suporte para plataformas robóticas comerciais e de pesquisa

Para o mercado, volume importa, mas o formato também. O dataset combina visão, força, cinemática e diferentes tipos de corpos robóticos em uma única coleção aberta, para que os times possam comparar abordagens em uma base comum em vez de em coleções locais fechadas. O projeto inclui Nvidia, Johns Hopkins, Technical University of Munich, Stanford e dezenas de outros times, então isso não é uma publicação pontual mas uma tentativa de estabelecer um padrão da indústria.

Como os modelos funcionam

Juntamente com o dataset, Nvidia lançou GR00T-H — um modelo Vision-Language-Action para robótica cirúrgica, treinado em aproximadamente 600 horas de dados do Open-H-Embodiment. Isso é essencialmente um modelo de política que recebe contexto visual e textual e o traduz em ações de robô. Os autores enfatizam que introduziram um espaço de ação normalizado comum para diferentes robôs, projeções especializadas para cinemáticas específicas e treinamento em movimentos relativos de instrumentos. O protótipo já demonstrou a conclusão completa de sutura no benchmark SutureBot, significando que estamos falando não de um gesto curto mas de uma longa sequência de ações precisas.

A segunda parte do stack é o Cosmos-H-Surgical-Simulator, um modelo de fundação de mundo para simulação cirúrgica condicionada por ações. Foi refinado no Open-H-Embodiment para que o modelo gere vídeo cirúrgico realista diretamente das ações cinemáticas do robô, incluindo efeitos complexos como deformação de tecido mole, reflexos, sangue e fumaça. A vantagem prática é notável: 600 execuções em tal simulador levam cerca de 40 minutos versus aproximadamente dois dias em testes reais de bancada. Eles usaram 64 GPUs A100 e cerca de 10 mil horas de GPU para refinamento, então isso já é uma configuração de infraestrutura séria, não um demo de laboratório.

O que vem a seguir

A parte mais interessante desta história é a tentativa de deslocar a robótica médica do modo "o modelo vê" para o modo "o modelo age e generaliza". Um dataset aberto mais dois modelos fundamentais fornecem aos pesquisadores um stack comum para experimentos sim-para-real, geração de dados sintéticos e transferência de habilidades entre diferentes robôs. Isso é especialmente importante para cirurgia, onde coletar grandes datasets de qualidade é caro e um erro de controle custa muito mais que em visão computacional comum.

"A robótica cirúrgica precisa de seu próprio momento ChatGPT."

É assim que os autores descrevem o objetivo da segunda versão do Open-H-Embodiment. O próximo estágio não é apenas um melhor controle de instrumentos, mas autonomia com elementos de raciocínio: sistemas devem ser capazes de explicar passos, planejar procedimentos longos, adaptar-se a falhas e aprender de trajetórias anotadas com indicação de intenções, resultados e tipos de erros. Se a comunidade realmente montar tais dados preparados para raciocínio, a medicina poderia obter não outro algoritmo estreito, mas uma plataforma para assistentes robóticos mais universais.

O que significa

Para o mercado de IA, essa é uma mudança importante: em medicina, começam a coletar abertamente não apenas modelos de reconhecimento, mas uma camada fundamental para Physical AI, onde dados, modelos de política e simuladores são lançados como um pacote. Se a abordagem se consolidar, startups, laboratórios e fabricantes de robôs terão um kit de iniciante comum para acelerar pesquisa, reduzir custos de teste e alcançar transições mais rápidas de protótipos para sistemas clinicamente úteis.