Der GPU-Simulator eines kanadischen Labors bekämpft den größten Engpass in der chirurgischen Robotik

Der GPU-Simulator eines kanadischen Labors bekämpft den größten Engpass in der chirurgischen Robotik

Forscher der University of Alberta veröffentlichten am Donnerstag ein Preprint, in dem sie CRESSim-Neo beschreiben, eine speziell für die chirurgische Robotik und das Roboterlernen entwickelte GPU-Simulations-Engine, die in Batches arbeitet. Sie berichten, dass diese auf einer einzigen Nvidia RTX 4090-Grafikkarte für Endverbraucher 8.192 parallele Trainingsumgebungen mit mehr als 2 Millionen simulierten Schritten pro Sekunde ausführen kann. Die Arbeit stammt von der „Telerobotic and Biorobotic Systems Group“ an der University of Alberta in Edmonton unter der Leitung von Mahdi Tavakoli, der den Forschungslehrstuhl für Gesundheitsrobotik der Universität innehat und drei angegliederte Labore leitet, die sich auf kollaborative Robotik und Rehabilitationsrobotik, Haptik und Chirurgie sowie einen simulierten Operationssaal, der um ein echtes da-Vinci-Chirurgiesystem herum aufgebaut ist und für Forschungszwecke genutzt wird. Die Veröffentlichung hat das Peer-Review-Verfahren noch nicht abgeschlossen, und ihre Autoren – Yafei Ou, Ahnaf Naheen, Tleukhan Mussin, Hans Jarales, Melwin Moncy und Tavakoli – stellen sie eher als einen Beitrag im Bereich der System- und Werkzeugentwicklung dar als als eine neue chirurgische Fähigkeit an sich.

CRESSim-Neo ist kein Roboter. Es handelt sich um eine Infrastruktur zur Entwicklung und zum Training der Software, die letztendlich Roboter steuert, und Artikel über Infrastruktur sorgen selten für Schlagzeilen, wie es bei der Vorführung eines neuen Roboters der Fall ist. Doch das spezifische Problem, auf das diese Engine abzielt – nämlich der extrem hohe Rechenaufwand für die Simulation von weichem, verformbarem menschlichem Gewebe, die so genau sein muss, dass ein Modell des maschinellen Lernens daraus nützliche chirurgische Fähigkeiten erlernen kann –, ist eines der hartnäckigsten Hindernisse, die zwischen den heutigen ferngesteuerten Operationsrobotern und jedem bedeutenden Schritt in Richtung autonomer oder halbautonomer Unterstützung stehen, und es lohnt sich, dieses Problem für sich genommen zu verstehen, bevor entschieden wird, ob der kundenorientierte Markt für chirurgische Robotik sich damit befassen sollte.

Warum sich Simulatoren für Industrieroboter nicht auf die Chirurgie übertragen lassen

Die Simulationswerkzeuge, die rasante Fortschritte in der Industrie- und Mobilrobotik ermöglicht haben – Engines, die entwickelt wurden, um

Simulationen von starren Lagerregalen, Fabrikarmaturen oder Lieferrobotern auf Rädern basieren auf einer physikalischen Annahme, die im menschlichen Körper völlig versagt: dass die meisten Objekte, mit denen ein Roboter interagiert, starr sind oder so nahezu starr, dass ein vereinfachtes physikalisches Modell eine akzeptable Annäherung darstellt. Bei chirurgischen Eingriffen kommen fast nie starre Objekte zum Einsatz. Gewebe verformt sich, reißt und blutet; Nahtmaterial besteht aus flexiblen Fäden, die eingefädelt und gespannt werden müssen; Flüssigkeiten müssen in Echtzeit gespült und abgesaugt werden; und die Interaktion eines Instruments mit all diesen Faktoren variiert je nach der Anatomie des jeweiligen Patienten. Eine Simulations-Engine, die für starre Lagerroboter entwickelt wurde, verfügt schlichtweg nicht über ein physikalisches Modell für den Großteil dessen, womit ein Operationsroboter tatsächlich in Berührung kommt. Aus diesem Grund mussten Forscher im Bereich der Operationsrobotik in der Vergangenheit maßgeschneiderte, oft wesentlich langsamere Simulationswerkzeuge entwickeln, anstatt die universellen Robotik-Simulatoren anzupassen, auf die sich der Rest der Branche standardisiert hat.

Der zentrale technische Anspruch von CRESSim-Neo besteht darin, dass es mehrere dieser chirurgiespezifischen physikalischen Verhaltensweisen – starre Körper, verformbares Gewebe, Flüssigkeiten und fadenartige Strukturen wie Nahtmaterial und Kabel – in einer einzigen, auf der GPU laufenden Simulations-Engine vereint, anstatt für jeden Materialtyp separate Spezialwerkzeuge zusammenzuflicken. Die Veröffentlichung beschreibt die Unterstützung von Gewebemanipulation, Flüssigkeitsabsaugung, Nahttechnik, kabelgesteuerte Roboterdynamik sowie die Erzeugung synthetischer Ultraschallbilder innerhalb eines einzigen Frameworks, zusammen mit der von den Autoren als „Zero-Copy-Integration“ bezeichneten Anbindung an PyTorch über das DLPack-Datenaustauschformat von Nvidia. Dies bedeutet, dass simulierte Sensor- und Physikdaten direkt an eine Trainingsschleife für maschinelles Lernen übergeben werden können, ohne den rechenintensiven Schritt des Kopierens der Daten von der Grafikkarte und zurück. Für alle, die noch nicht direkt mit Pipelines für das Roboterlernen gearbeitet haben, mag dieser Aufwand durch das Kopieren von Daten wie ein nebensächliches Implementierungsdetail klingen; in der Praxis bedeutet die Übertragung großer Mengen simulierter Sensordaten

Der wiederholte Datenaustausch zwischen GPU- und CPU-Speicher während des Trainings stellt einen bekannten Leistungsengpass dar, der die Forschung im Bereich des verstärkenden Lernens in der Robotik insgesamt gebremst hat – nicht nur in der Chirurgie.

Was 2 Millionen Schritte pro Sekunde einem Forscher tatsächlich bringen

Der in der Veröffentlichung genannte Leitwert – 2,03 Millionen Umgebungsschritte pro Sekunde über 8.192 parallele CartPole-Umgebungen auf einer einzigen RTX 4090 – muss näher erläutert werden, bevor er für einen Laienleser eine Bedeutung hat, und der Vorbehalt ist ebenso wichtig wie die Zahl selbst. CartPole ist eine einfache, seit Jahrzehnten bekannte Benchmark-Aufgabe für das verstärkende Lernen: eine auf einem Wagen balancierte Stange, die ein Regler aufrecht halten muss. Sie wird in der Robotikforschung speziell deshalb verwendet, weil ihre Simulation kostengünstig ist und sie somit einen nützlichen Stresstest dafür darstellt, wie viel reinen Durchsatz eine Simulations-Engine bewältigen kann – und nicht, um chirurgische Fähigkeiten an sich zu demonstrieren. Der Benchmark sagt etwas Wahres und Nützliches über die zugrunde liegende Technik von CRESSim-Neo aus, nämlich dass seine batchbasierte GPU-Architektur ein enormes Volumen paralleler Physikschritte über Hardware für Endverbraucher bewältigen kann; er sagt jedoch nichts direkt darüber aus, wie schnell die Engine die rechnerisch weitaus aufwendigeren Simulationen von verformbarem Gewebe und Flüssigkeiten ausführt, die den eigentlichen chirurgischen Beitrag der Arbeit darstellen. Die relevanteren Aussagen der Arbeit – dass die Engine gleichzeitige Gewebeverformung, Flüssigkeitswechselwirkungen und Ultraschallsensorik im Batch-Maßstab bewältigt – sind eher qualitativer Natur und nicht durch einen vergleichbaren Rohdurchsatz-Wert untermauert, was eine echte Einschränkung hinsichtlich dessen darstellt, was der aktuelle Preprint tatsächlich belegt.

Was der Rohdurchsatz einem Forschungsteam jedoch selbst unter Berücksichtigung dieser Lücke ermöglicht, sind deutlich kostengünstigere Experimente. Verstärkendes Lernen und Imitationslernen für die Robotermanipulation erfordern in der Regel Millionen bis Milliarden simulierter Trainingseinheiten, bevor ein Modell ein robustes Verhalten entwickelt, und jede Verzehnfachung der Anzahl paralleler Umgebungen, die eine einzelne Grafikkarte ausführen kann,

Dies führt unmittelbar entweder zu schnelleren Trainingszyklen oder zur Möglichkeit, innerhalb desselben Rechenbudgets mehr experimentelle Varianten – unterschiedliche Gewebeeigenschaften, unterschiedliche Instrumentengeometrien, unterschiedliche Aufgabenvarianten – durchzuführen. Ein Labor für chirurgische Robotik, das bisher ein Rack mit spezialisierter Hardware oder ein Cloud-Rechenbudget benötigte, um groß angelegte Trainingsversuche durchzuführen, könnte – sofern sich die Behauptungen von CRESSim-Neo in unabhängigen Tests bestätigen – vergleichbare Experimente auf einer einzigen GPU der Workstation-Klasse durchführen, was die finanziellen Hürden für die Durchführung dieser Art von Forschung erheblich senkt.

Warum dies für die Autonomie wichtiger ist als für heutige ferngesteuerte Systeme

Der kommerzielle Markt für chirurgische Robotik, der von ferngesteuerten Plattformen wie den da-Vinci-Systemen von Intuitive, Hugo von Medtronic und neueren Marktteilnehmern wie Versius von CMR Surgical dominiert wird, basiert fast ausschließlich darauf, dass ein menschlicher Chirurg jede Instrumentenbewegung in Echtzeit direkt steuert, wobei der Roboter die Handbewegungen umsetzt, anstatt eigenständige Entscheidungen zu treffen. Eine schnellere Simulations-Engine hat kaum Auswirkungen auf diese Systemkategorie, da die Software eines ferngesteuerten Roboters keine Manipulationsstrategie erlernen muss; sie muss vielmehr die Handbewegungen des Chirurgen selbst präzise und sicher umsetzen – ein grundlegend anderes technisches Problem, das durch simulationsbasiertes verstärkendes Lernen nicht direkt gelöst wird.

Kommerziell relevant wird der Simulationsdurchsatz in der enger gefassten, aber schnell wachsenden Kategorie halbautonomer chirurgischer Teilaufgaben wie automatisierte Nahtunterstützung, Geweberetraktion, Kamerapositionierung und ähnliche begrenzte, klar definierte Handlungen, die mehrere Unternehmen im Bereich der Operationsrobotik sowie akademische Gruppen zu automatisieren versuchen – als Schritt zur Verringerung der Arbeitsbelastung des Chirurgen und nicht als Ersatz des Chirurgen an sich. Das Training eines zuverlässigen Modells selbst für nur eine dieser eng gefassten Teilaufgaben erfordert derzeit entweder umfangreiche Daten aus echtem Gewebe, was kostspielig ist, ethischen Einschränkungen unterliegt und

die sich nur schwer in großem Umfang erheben lassen, oder simulierte Trainingsdaten, die realistisch und umfangreich genug sind, um diese zu ersetzen. Eine GPU-Simulations-Engine, die große Mengen physikalisch plausibler Szenarien zur Gewebemanipulation und zum Nähen kostengünstig generieren kann – sofern die zugrunde liegende Simulationsgenauigkeit gewährleistet ist –, geht das Problem der Datenknappheit direkt an, das den Fortschritt genau in dieser Kategorie halbautonomer chirurgischer Funktionen gebremst hat.

Die ehrlichen Grenzen eines noch nicht begutachteten Preprints

Nichts davon sollte als Zeichen dafür verstanden werden, dass die autonome Chirurgie kurz bevorsteht, und die Veröffentlichung selbst behauptet auch nichts anderes. CRESSim-Neo ist ein Preprint, der noch keine unabhängige Begutachtung durch Fachkollegen durchlaufen hat; seine beeindruckendste Benchmark-Zahl bezieht sich auf eine vereinfachte Testaufgabe und nicht auf die chirurgischen Szenarien, für die die Engine eigentlich entwickelt wurde, und die Simulationsgenauigkeit, wie gut sie auch sein mag, muss noch die wesentlich höhere Hürde überwinden, das Verhalten von echtem Gewebe so genau nachzubilden, dass ein ausschließlich in der Simulation trainiertes Modell sicher funktioniert, wenn es schließlich auf echte Anatomie trifft – ein Transferproblem, das sich in der Robotik allgemein als schwierig erwiesen hat und im chirurgischen Kontext von wesentlich größerer Tragweite ist als in einem Lager oder einer Fabrik. Die behördliche Zulassung für jede autonome oder halbautonome chirurgische Funktion würde in jedem Fall eine umfassende klinische Validierung erfordern, die weit über den Nachweis einer starken Simulationsleistung hinausgeht – ein Prozess, der sich für jede Medizinprodukteaufsichtsbehörde, einschließlich der US-amerikanischen Food and Drug Administration (FDA), eher in Jahren als in Monaten bemisst.

Was Käufer und Entwickler von Operationsrobotik im Auge behalten sollten

Für ein Beschaffungsteam eines Krankenhauses ändert diese spezifische Studie nichts an einer kurzfristigen Kaufentscheidung zwischen den heute im Handel erhältlichen ferngesteuerten chirurgischen Plattformen; keines der Unternehmen, die diese Systeme vertreiben, bietet derzeit die Art von autonomen Teilaufgabenfunktionen an, deren Realisierung diese Simulationsarbeit ermöglichen soll. Die relevantere Zielgruppe sind Technologie- und F&E-Teams im chirurgischen Bereich

Robotikunternehmen selbst sowie Risikokapitalgeber und Unternehmensentwicklungsabteilungen, die verfolgen, woher die nächste Welle der Differenzierung im Bereich der chirurgischen Robotik voraussichtlich kommen wird. Ein wesentlich kostengünstigerer Weg zur Generierung großer Mengen realistischer Trainingsdaten zur Gewebemanipulation würde die Kosten für den einzelnen Forschungsschritt senken, das simulationsbasierte Policy-Training, das derzeit den Fortschritt bei automatisierten chirurgischen Teilaufgaben branchenweit hemmt; und ein Unternehmen im Bereich der chirurgischen Robotik, dessen interne Simulationsinfrastruktur deutlich hinter dem in wissenschaftlichen Arbeiten wie dieser beschriebenen Stand der Technik zurückbleibt, trainiert seine Automatisierungsfunktionen per Definition langsamer und kostspieliger, als es sonst möglich wäre. Unabhängig davon, ob sich CRESSim-Neo konkret als das Werkzeug etabliert, auf das sich die Branche standardisiert, oder ob seine Ideen einfach in die nächste Generation kommerzieller und Open-Source-Simulationsengines einfließen – die Richtung, auf die es hinweist, nämlich eine einheitliche, GPU-native Simulation der spezifischen Weichteilphysik, die bei chirurgischen Eingriffen tatsächlich eine Rolle spielt, ist das nachhaltigere Signal, das es zu verfolgen gilt, als das Werkzeug selbst.

Haftungsausschluss: Dieser Artikel dient ausschließlich allgemeinen Informationszwecken und stellt keine Anlage-, Rechts- oder Beschaffungsberatung dar. Leser sollten Details anhand von Primärquellen überprüfen, bevor sie geschäftliche Entscheidungen treffen.