CRESSim-Neo: 手術ロボティクスとロボット学習のためのバッチ処理GPUシミュレーションエンジン

CRESSim-Neoは、手術ロボティクスとロボット学習のためのバッチ処理対応GPUシミュレーションエンジンである。剛体、変形可能な組織、流体、ストランドの位置ベースシミュレーションと、バッチレンダリング、手術特有のセンシング、GPU常駐データパイプラインを組み合わせている。組織操作、流体吸引、縫合、ケーブル駆動ロボット、超音波画像合成などのアプリケーションをサポートする。物理バッファとレンダリングバッファへの直接アクセスにより、GPU常駐のロボット学習とDLPackを用いたPyTorchとのゼロコピー統合を可能にする。

要旨からは、先行研究との具体的な比較は不明である。ただし、既存の手術シミュレータと比較して、バッチ処理による大規模並列環境の高速シミュレーション、GPU常駐データパイプラインによる学習とのシームレスな統合、剛体・変形体・流体・ストランドを統一的に扱える点が優れていると考えられる。

手法の肝は、位置ベースシミュレーション(PBD)をGPU上でバッチ処理することにより、多数の環境を並列にシミュレートできる点である。また、物理バッファとレンダリングバッファへの直接アクセスを提供し、DLPackを介したPyTorchとのゼロコピー統合を実現することで、GPU常駐のロボット学習を可能にしている。さらに、手術特有のセンシング(超音波画像合成など)を組み込んでいる点も特徴的である。

NVIDIA RTX 4090上で、8192並列のCartPole環境において毎秒最大203万環境ステップを達成した。また、組織変形、流体相互作用、超音波センシングを含むバッチ処理された手術シナリオにスケールできることを実証した。具体的な検証内容は要旨からは不明であるが、剛体、変形体、流体シミュレーションタスク、および視覚ベースおよび手術ロボット学習シナリオで性能を示した。

要旨からは、議論や制限事項は明示されていない。ただし、シミュレーションの物理的忠実度とリアルタイム性のトレードオフ、手術環境の複雑さを完全に再現できるかどうか、実機への転移(sim-to-real)のギャップなどが議論の対象となり得る。

要旨で参照されている論文は不明である。関連する分野の定番として、位置ベースダイナミクス(PBD)の原著論文や、手術シミュレーションのための既存のフレームワーク(例: SOFA、AMBF)に関する論文が挙げられる。