수술 로봇은 이미 정밀한 동작으로 유명하지만, 인공지능(AI) 기반의 자율 제어로 나아가기 위해서는 넘어야 할 산이 많습니다. 실제 로봇 팔을 수백 번 움직이며 데이터를 모으는 것은 비용이 많이 들고, 실수로 인한 사고 위험도 무시할 수 없기 때문입니다. 이런 난제를 해결할 실마리를 엔비디아(NVDA)가 제시했습니다. 엔비디아는 자사의 세계 모델(world model) 기술을 기반으로, 수술 장면을 실시간으로 생성해내는 시뮬레이터 ‘코스모스-H-드림스(Cosmos-H-Dreams)’를 공개했습니다. 이 기술은 수술 로봇이 실제 환경이 아닌 가상 환경에서도 안전하게 학습하고 평가받을 수 있는 길을 열어줍니다.
수술 세계 모델에서 대화형 시뮬레이터로
엔비디아는 이미 지난해 ‘코스모스-H-서지컬-시뮬레이터(Cosmos-H-Surgical-Simulator)’를 통해 수술 영상의 시각적 동역학을 학습하는 세계 기반 모델을 선보인 바 있습니다. 이 모델은 초기 장면과 로봇의 동작 궤적을 입력받아, 그 동작이 가져올 시각적 결과를 비디오로 생성했습니다. 오프라인에서 정책 평가나 합성 데이터 생성에는 유용했지만, 실시간으로 상호작용하기에는 속도가 충분하지 않았습니다. ‘코스모스-H-드림스’는 이 모델을 증류(distillation) 과정을 거쳐 실시간 추론이 가능한 인과적 학생 모델(causal student model)로 압축했습니다. 여기에 엔비디아의 가속 스트리밍 추론 라이브러리 ‘플래시드림스(FlashDreams)’를 결합해, 단일 RTX PRO 6000 GPU에서 사람이나 학습된 정책이 폐쇄 루프(closed loop)로 제어할 수 있는 대화형 환경을 구현했습니다.
증류 기술의 핵심: 교사-학생 파이프라인
실시간성을 확보하기 위해 엔비디아는 교사-학생(teacher-student) 훈련 파이프라인을 도입했습니다. 기존의 양방향(bidirectional) 교사 모델은 44차원의 통합 동작 표현을 사용합니다. 이번에 공개된 dVRK(da Vinci Research Kit) 테이블탑 봉합 모델에서는 양팔 로봇의 상대적 종단점 이동, 회전, 그리퍼 상태를 이 표현에 매핑해 미세 조정했습니다. 이후 ‘자기 강제 증류(self-forcing distillation)’ 기법을 통해 학생 모델이 긴 자기회귀 롤아웃(autoregressive rollout)에서도 안정적으로 장면을 생성하도록 학습시켰습니다. 엔비디아는 또한 CMR Surgical 및 Cambridge Consultants와 협력해 Versius 수술 콘솔과의 통합을 시연하며, 기술의 범용성을 입증했습니다.
왜 중요한가: 수술 로봇 AI의 패러다임 전환
기존의 수술 시뮬레이터는 변형 가능한 조직, 미세한 기구 상호작용, 반사 표면, 봉합사, 바늘, 연기, 폐색 등 복잡한 요소를 일일이 모델링해야 했습니다. 세계 기반 모델은 이러한 수작업 없이 실제 비디오와 로봇 운동학 데이터로부터 시각적 동역학을 직접 학습합니다. 이는 물리적 로봇 없이도 정책을 반복적으로 평가하고 개선할 수 있게 해줍니다. 특히 엔비디아는 ‘오픈-H-임보디먼트(Open-H-Embodiment)’ 생태계 전반에 걸쳐 합성 데이터 생성이 가능하다고 밝혔습니다. 이는 다양한 로봇 플랫폼으로의 확장 가능성을 시사합니다. XPLAIN AI의 해석으로는, 이 기술이 성숙하면 수술 로봇의 AI 학습 비용이 획기적으로 낮아지고, 개발 주기가 단축될 가능성이 있습니다.
수혜와 리스크: 생태계와 경쟁 구도
이번 발표는 엔비디아의 AI 생태계 확장 전략의 일환으로 볼 수 있습니다. 수술 로봇 분야에서 AI 기반 자율 제어를 연구하는 기업들에게는 강력한 개발 도구가 될 것입니다. 특히 다빈치 수술 로봇으로 유명한 인튜이티브 서지컬(ISRG)은 자체 시뮬레이션 기술을 보유하고 있지만, 엔비디아의 플랫폼을 활용할 경우 학습 효율을 높일 수 있습니다. 반면, 전통적인 물리 기반 시뮬레이터에 의존하는 업체들은 기술 전환 압력을 받을 수 있습니다. 또한 CMR Surgical 같은 경쟁 로봇 제조사가 엔비디아와 협력하면서, 생태계 내에서 엔비디아의 입지가 더욱 강화될 전망입니다. 다만, 이 기술은 아직 연구 단계이며, 실제 임상 환경에서의 검증이 필요합니다.
다음에 확인할 지표와 전망
이 기술의 성공을 판단하기 위해서는 몇 가지 지표를 주목해야 합니다. 첫째, 생성된 시뮬레이션 영상의 사실성과 실제 로봇 동작 간의 일치도입니다. 둘째, 다양한 수술 시나리오(예: 복강경, 심장 수술)로의 확장 가능성입니다. 셋째, 엔비디아가 이 기술을 자사의 ‘아이작(Isaac)’ 로봇 플랫폼과 통합할지 여부입니다. 만약 통합된다면, 수술 로봇뿐 아니라 일반 산업용 로봇까지 적용 범위가 넓어질 수 있습니다. 엔비디아는 이번 기술을 ‘폐쇄 루프 수술 물리적 AI(Closed-Loop Surgical Physical AI)’를 향한 중간 단계로 규정했습니다. 즉, 최종 목표는 시뮬레이션에서 학습한 정책이 실제 수술 로봇을 실시간으로 제어하는 것입니다. 이 비전이 현실화된다면, 수술 로봇 시장의 판도를 바꿀 잠재력을 지닌 혁신입니다.
#엔비디아 #수술로봇 #생성형AI #세계모델 #시뮬레이션 #의료AI #로봇공학 #딥러닝
출처
- NVIDIA Cosmos-H-Dreams: Bringing Real-Time Generative Simulation to Surgical Robotics — Hugging Face – Blog · 언론 보도 · Mon, 27 Jul 2026 09:32:20 GMT
작성: XPLAIN AI 편집팀 · 검수: XPLAIN AI Editorial Desk
이 콘텐츠는 공개된 출처를 기반으로 AI의 도움을 받아 작성되었으며, XPLAIN AI의 편집·검수 기준을 적용했습니다. 사실과 분석 의견을 구분하며, 오류가 확인되면 수정합니다.