Die Integration von OpenUSD und NVIDIA Halos markiert einen entscheidenden Schritt in der Sicherheit und Skalierbarkeit physischer KI-Systeme, insbesondere für robotische Taxis und autonome Fahrzeuge (AVs). Mit dem Erscheinen der OpenUSD Core Specification 1.0 ist nun ein standardisierter, interoperabler Rahmen für 3D-Szenenbeschreibungen entstanden, der präzise Datentypen, Dateiformate und Zusammensetzungsverhalten definiert. Dies ermöglicht konsistente, wiederverwendbare Simulationspipelines, die von der Entwicklung bis zur Validierung reichen. Auf dieser Basis baut NVIDIA Omniverse mit RTX-Rendering, physikalischer Simulation und effizienten Laufzeiten digitale Zwillinge und sogenannte SimReady-Ausstattungen auf – hochdetaillierte, physikalisch korrekte 3D-Modelle, die direkt in Tools wie NVIDIA Isaac Sim und Isaac Lab eingesetzt werden können. Diese ermöglichen realistische Roboter- und Fahrzeug-Tests in virtuellen Umgebungen, die echte Betriebsbedingungen widerspiegeln. Ein zentraler Fortschritt ist die Kombination von generativen Technologien wie Gaussian Splatting und Weltmodellen mit der SimReady-Infrastruktur. So präsentierte NVIDIA auf SIGGRAPH Asia die Play4D-Technologie, die 4D-Gaussian Splatting für flüssige, dynamische Szenen in Echtzeit ermöglicht. Unternehmen wie World Labs nutzen ihre Marble-Weltmodelle in Kombination mit NVIDIA Isaac Sim und NuRec, um innerhalb von Stunden photorealistische, physikbasierte Umgebungen aus Text- und Bildprompts zu generieren – ein Prozess, der früher Wochen dauerte. Diese generativen Welten erweitern die Szenarienvielfalt erheblich und ermöglichen die sichere Simulation seltener, aber kritischer Edge-Cases, wie beispielsweise extremes Wetter oder plötzliche Hindernisse. Die Skalierung des Robotertreibens wird durch die SimReady-Ausstattung von Lightwheel unterstützt, die auf OpenUSD basiert. Ihre Bibliothek enthält präzise Geometrien, Materialien und validierte physikalische Eigenschaften, die direkt in Trainingssysteme geladen werden können – wodurch Roboter realistische Berührungen, Dynamik und Sensorfeedback erfahren. Gleichzeitig beschleunigen Frameworks wie Sim2Val, entwickelt von NVIDIA gemeinsam mit Harvard und Stanford, die Validierung von AVs, indem sie reale und simulierte Testdaten statistisch kombinieren. So reduziert sich der Bedarf an kostspieligen physischen Testfahrten, ohne die Sicherheit zu gefährden. Zur Sicherstellung globaler Standards betreibt NVIDIA den Halos AI Systems Inspection Lab, der von ANAB akkreditiert ist und unabhängige Prüfungen von AV-Systemen, Sensoren und Plattformen durchführt. Unternehmen wie Bosch, Nuro, Wayve und Onsemi sind bereits Teil des Halos-Zertifizierungsprogramms. Zudem integrieren Open-Source-Tools wie CARLA mit NuRec und Cosmos Transfer, sowie Voxel51’s FiftyOne-Engine, die Datenauswertung und -annotation in multimodalen AV-Pipelines. Die University of Michigan nutzt Omniverse, um die 32 Hektar große Teststrecke Mcity digital zu replizieren, mit realistischen Sensor-Modellen und geteilten Assets, um gefährliche Szenarien sicher im Simulationsraum zu testen. Insgesamt schafft die Kombination aus OpenUSD, SimReady-Assets, generativen Welten und dem Halos-Inspektionssystem eine standardisierte, sichere und skalierbare Infrastruktur für die Entwicklung physischer KI. Branchenführer und Forschungsinstitute nutzen diese Technologien, um die Einführung von robotischen Taxis und autonomen Fahrzeugen in die Realität zu beschleunigen – mit einer klaren Zielsetzung: sicherere, effizientere und kostengünstigere Systeme, die in der komplexen, unvorhersehbaren realen Welt zuverlässig funktionieren.