Första öppna datamängden för vårdrobotar lanserad – 778 timmar träningsdata från verkliga operationer
Första öppna datamängden för vårdrobotar släpps med 778 timmars operationsdata.
Från labb till operation - vårdrobotik får första öppna datamängden
En ny era för AI-robotik tar form när både forskning och industri lanserar öppna verktyg för kritiska tillämpningar. Den första stora öppna datamängden för vårdrobotar, Open-H-Embodiment, har släppts tillsammans med två tränade AI-modeller, enligt Hugging Face. Samtidigt presenterar Nvidia sin företagsversion av det populära AI-agentramverket OpenClaw.
Open-H-Embodiment markerar ett paradigmskifte för AI inom vården. Medan tidigare vårdrelaterad AI främst tolkade signaler och klassificerade patologi, kräver verklig vårdpraktik fysisk handling och kontroll. "Vi går från att förstå till att faktiskt göra", vilket är helt avgörande för robotkirurgi och annan vårdrobotik.
Datamängden innehåller imponerande 778 timmar träningsdata från verklig vårdrobotik - från simuleringar och laborationsövningar till faktiska kliniska ingrepp. Det som gör detta särskilt värdefullt är bredden: data kommer från både kommersiella robotar från företag som CMR Surgical och Rob Surgical, samt forskningsrobotar som dVRK och Franka.
Initiativet leds av professor Axel Krieger från Johns Hopkins University tillsammans med professor Nassir Navab från Tekniska universitetet i München och Nvidias doktor Mahdi Azizian. Med 35 organisationer världen över visar projektet hur viktigt samarbete är för att bygga robusta AI-system för kritiska tillämpningar.
Nvidia satsar på säker företags-AI
Parallellt med denna forskningsframgång lanserar Nvidia NemoClaw - en företagsanpassad plattform byggd på det populära OpenClaw-ramverket för AI-agenter, rapporterar TechCrunch. Jensen Huang jämförde under GTC-konferensen situationen med tidigare teknikskiften som Linux och Kubernetes: "För vd:ar är frågan: vad är er OpenClaw-strategi?"
Det centrala problemet som NemoClaw löser är säkerhet i företagsmiljöer. OpenClaw har blivit omtyckt för att bygga AI-agenter som kan köras lokalt, men företag har tvekats att använda det i produktionsmiljöer utan robusta säkerhetsfunktioner. Nvidia har utvecklat plattformen i samarbete med Peter Steinberger, skaparen av OpenClaw, vilket visar hur öppen källkod kan mogna till enterprise-lösningar.
Vad som är särskilt intressant är att NemoClaw fungerar oberoende av hårdvara - inte bara på Nvidias egna grafikkort. Denna hårdvaruoberoende strategi visar att även Nvidia inser vikten av öppna standarder för AI-agenter.
Hårdvarugenombrott möter mjukvara
The Robot Report beskriver hur taiwanesiska Aetina demonstrerar högprecisions 3D-synteknologi på GTC 2026, driven av Nvidias senaste Blackwell-arkitektur. Deras DeviceEdge AIB-AT78/68-serie levererar upp till 2070 FP4 TFLOPS AI-prestanda och har redan integrerats i humanoidrobotar inom tillverkning och logistik.
Genom samarbete med Stereolabs visar Aetina sitt Humanoid Surround Vision Solution som kan bearbeta 3D-uppfattning på mindre än en millisekund. Detta ger robotar navigeringsförmågor som liknar människans - ett genombrott för praktisk robotik.
Samtidigheten mellan dessa lanseringar är ingen slump. Öppen källkod inom AI-robotik mognar från forskning till produktion, och vi ser hur olika delar av ekosystemet växer fram: öppna datamängder för träning, säkra ramverk för utveckling och kraftfull hårdvara för drift.
Vår analys: Öppen källkod blir produktionsredo för kritiska system
Dessa lanseringar signalerar en viktig vändpunkt för AI-robotik. Öppen källkod har traditionellt sett varit för forskning och experiment, men nu ser vi hur den mognar till produktionsklara lösningar för kritiska områden som vård och automation.
Vad som är särskilt betydelsefullt är kombinationen av öppna datamängder och säkra företagsplattformar. Open-H-Embodiment ger forskare och utvecklare tillgång till verkliga vårddata, medan NemoClaw löser säkerhetsproblemen som hindrat företag från storskalig användning.
Jag tror vi kommer se en accelererad utveckling inom AI-robotik när dessa verktyg blir tillgängliga. Historiskt har proprietära lösningar dominerat kritiska system, men öppna alternativ med enterprise-styrka kan demokratisera utvecklingen. Detta är särskilt viktigt för vårdrobotik där samarbete mellan forskning och industri är avgörande för framsteg.