NVIDIA lleva la cirugía real a un simulador que corre en una sola GPU
NVIDIA publicó Cosmos3-H-Dreams, un simulador quirúrgico generativo que reproduce una colecistectomía en tiempo real y responde a los movimientos de los instrumentos, ejecutándose en una sola GPU RTX PRO 6000. La compañía afirma que, según su conocimiento, es el primer simulador quirúrgico generativo en tiempo real entrenado con grabaciones clínicas de colecistectomía y capaz de sostener control cinemático en vivo.
El dato que importa para un founder de salud o robótica no es el modelo en sí, sino el costo de entrada: lo que antes requería un simulador numérico, un gemelo digital y un equipo de ingeniería dedicado, ahora se puede explorar con un checkpoint abierto y una GPU de estación de trabajo.
¿Qué cambia frente a la simulación quirúrgica tradicional?
La simulación clásica modela explícitamente la geometría de la escena, la deformación de los tejidos y las interacciones físicas. Cosmos3-H-Dreams toma otro camino: aprende la dinámica visual directamente de video sincronizado con la cinemática del robot.
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 díasEl primer release de la familia, Cosmos-H-Dreams, se construyó sobre Cosmos-Predict2.5 y llevó la simulación generativa interactiva a la sutura de sobremesa con el sistema dVRK, un entorno controlado con fondo simple. La nueva versión da el salto al cuerpo humano, donde movimientos pequeños del instrumento afectan toda la escena: el tejido se estira bajo tracción, los reflejos cambian, las estructuras quedan ocluidas y el humo altera la visibilidad.
Ese salto es el problema técnico de fondo. En un entorno de sobremesa, un error de generación se disimula. Dentro de un abdomen, los errores se acumulan cuadro a cuadro hasta deformar la geometría del instrumento o la anatomía. La consistencia temporal deja de ser un detalle estético y se vuelve condición de utilidad.
¿Cómo se entrenó el modelo?
La base es Cosmos3-H-Embodied-Nano, un modelo de 16.000 millones de parámetros preentrenado sobre Open-H-Embodiment. Sobre esa base, NVIDIA especializó un teacher bidireccional con video y cinemática de colecistectomías grabadas en la plataforma Versius de CMR Surgical.
La selección de muestras prioriza dos instrumentos visibles y activos: una pinza Cadiere a la izquierda y un gancho monopolar a la derecha, con comandos de cámara limitados para concentrar el aprendizaje en la interacción guiada por instrumentos. El modelo usa 28 dimensiones de acción: pose y gripper de ambos brazos, más controles de energía, ejes y botones del thumbstick.
El entrenamiento trabaja con video de 832 x 480 y acciones alineadas a 10 Hz. El pipeline tiene dos etapas. Primero se adapta el teacher bidireccional a 24 cuadros futuros y luego se extiende el horizonte a 72 cuadros, equivalentes a 2,4 y 7,2 segundos a 10 Hz. Después, la destilación convierte ese teacher en un student causal capaz de generar video en bloques cortos a medida que llegan nuevas acciones.
El punto crítico es el Self-Forcing: el student se entrena sobre su propio contexto generado, guiado por el teacher y un crítico aprendido, para atacar la acumulación de errores durante los rollouts interactivos. El primer student liberado usa cuatro pasos de denoising por bloque; el segundo checkpoint se entrena por separado con un esquema de dos pasos. Menos pasos significa inferencia más rápida a costa de calidad visual, y ambos checkpoints quedan disponibles para que el desarrollador elija su balance.
En el runtime, FlashDreams aporta la inferencia en streaming y un módulo FadeMem adaptado consolida la caché de clave/valor durante rollouts largos. Es una pieza que se suele pasar por alto: la destilación resuelve cómo aprende el modelo de su propio historial, y la consolidación de caché resuelve cómo se almacena ese historial mientras genera.
¿Por qué NVIDIA está empujando la simulación médica?
Cosmos3-H-Dreams no es un experimento aislado. En junio de 2026, NVIDIA lanzó Cosmos 3 como modelo fundacional abierto para IA física, con una arquitectura mixture-of-transformers que combina razonamiento visual, generación de mundo y predicción de acciones, según el anuncio recogido por GlobeNewswire y engineering.com. La compañía también presentó la Cosmos Coalition, con miembros fundadores como Agile Robots, Black Forest Labs, Generalist, LTX, Runway y Skild AI.
En paralelo, NVIDIA liberó un framework abierto de Medical Physics Simulation dentro de su plataforma Isaac for Healthcare. Según The Next Web, el framework corre 8.192 entornos de entrenamiento en paralelo sobre GPUs y reduce el entrenamiento de una política robótica de más de cinco horas a menos de dos minutos. Entre las empresas que ya lo usan figuran Medtronic, Johnson & Johnson MedTech y CMR Surgical.
El interés tiene una lógica de mercado clara. Un informe de ResearchAndMarkets difundido por GlobeNewswire proyecta que el mercado global de robots quirúrgicos pase de US$7.240 millones en 2025 a US$15.890 millones en 2034, con una tasa de crecimiento anual compuesta de 9,13%. El mismo informe cita a iData Research para estimar que en Estados Unidos se realizan alrededor de 900.000 cirugías robóticas al año, cifra que llegaría a 1,3 millones en 2029.
El socio clínico elegido para este release también dice algo. CMR Surgical anunció en marzo de 2026 que más de 45.000 pacientes habían sido tratados con su sistema Versius, presente en más de 30 países, y que su sistema Versius Plus recibió autorización de la FDA en diciembre de 2025 para colecistectomía. Entrenar el simulador sobre esa plataforma conecta el modelo con un parque de robots que ya opera en quirófanos reales.
¿Qué significa esto para tu startup?
- Si construyes robótica médica o MedTech: los checkpoints de cuatro y dos pasos están publicados, junto con una receta paso a paso de fine-tuning del teacher y destilación Self-Forcing. El sistema se puede adaptar a otros datasets y otras plataformas siempre que tengas video sincronizado con acciones y respetes las mismas convenciones y normalización de acción que el entrenamiento. Ese último punto es donde fallan la mayoría de las integraciones.
- Si haces IA aplicada fuera de salud: el patrón es transferible. Teacher bidireccional, destilación a student causal, Self-Forcing sobre contexto propio y consolidación de caché para rollouts largos es una arquitectura replicable para cualquier dominio de video interactivo, desde manufactura hasta conducción autónoma.
- Si vendes a hospitales o aseguradoras: la evidencia sintética todavía no tiene un estatus regulatorio definido. NVIDIA lo dice explícitamente: es un simulador de investigación, no un sistema validado para atención de pacientes. Cualquier propuesta comercial que lo presente como validación clínica es un riesgo legal, no una ventaja.
Los límites que conviene tener claros
El propio equipo de NVIDIA marca la frontera: el realismo visual es un punto de partida para la validación, no una prueba de precisión biomecánica. Una escena que se ve convincente pero ignora los comandos de traslación, rotación y gripper no sirve como entorno interactivo.
Las líneas de investigación que la compañía enumera son justamente eso, direcciones de investigación: modelar el procedimiento completo con criterios de éxito claros, conectar simulación generativa con simulación numérica para validar la deformación de tejidos, evaluar con cirujanos, soportar más instrumentos y desarrollar políticas quirúrgicas autónomas en lazo cerrado.
Para un founder, la lectura práctica es que la barrera de entrada a la simulación quirúrgica generativa bajó de golpe. Lo que sigue sin bajar es la barrera de validación clínica.
Fuentes
- NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation (fuente original)
- NVIDIA Launches Cosmos 3, the Open Frontier Foundation Model for Physical AI
- NVIDIA launches Cosmos 3 for physical AI models
- Nvidia’s open-source simulator trains surgical robots in under two minutes
- Global Surgical Robots Market Size, Share, Growth, and Forecast 2026-2034
- CMR Surgical Announces 45k Patients Treated Globally
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 díasArtículos relacionados:
Simulador Renta 2025: Guía para founders y fiscalidad 2026
Startup argentina Wizor conquista la NASA: Impacto y tecnología
Nvidia entrena robots quirúrgicos en 2 minutos con IA
Decart Oasis 3: API de simulación IA para vehículos autónomos
Wizor: La Startup Argentina Reconocida por la NASA por su Simulador Espacial
