Die Alliance for OpenUSD und NVIDIA Omniverse Labs stellen mit nanousd-labs einen neuartigen Ansatz vor, der die Entwicklung von OpenUSD-Laufzeitumgebungen durch künstliche Intelligenz beschleunigt. Bisher erforderte die Anpassung des offenen Szenenbeschreibungsrahmens den erheblichen Aufwand der Umstrukturierung bestehender, umfangreicher Codebasen. Nanousd-labs umgeht dieses Problem, indem es die formale, maschinenlesbare USD Core Specification als präzisen Vertragsrahmen nutzt. KI-Agenten generieren daraus maßgeschneiderte, leichtgewichtige Runtimes, die exakt auf spezifische Anforderungen wie Speicherbedarf, Application Binary Interface oder Performance-Metriken abgestimmt sind. Der zugrundeliegende Methodikansatz betrachtet die Spezifikation nicht als reine Dokumentation, sondern als verbindliche Vorgabe. Agenten lesen die Definitionen schrittweise ein, erstellen den implementierenden Code und validieren ihn automatisch gegen eine aus der Spezifikation abgeleitete Test-Suite. Dieser zyklische Prozess gewährleistet die konforme Einhaltung der OpenUSD-Standards, ohne dass manuelle Interpretationen nötig sind. Die Architektur trennt strikt zwischen Datenmodell und Rendering. Nanousd übernimmt rein Parsing, Komposition und Abfrageoperationen auf der Datenlayer-Ebene. Über ein stabiles C-ABI wird die Implementierung von der Client-Anwendung entkoppelt, wodurch Backend-Austausche und Performance-Messungen ohne Eingriff in die aufrufende Logik möglich sind. Für Entwickler stehen zwei Einstiegspfade bereit. Zum einen bietet nanousd-python eine direkt nutzbare, GPU-unabhängige Implementierung über Python-Bindings an, die sich einfach in bestehende Physical-AI-Pipelines integrieren lässt. Agenten können damit Szenen effizient autorisieren, referenzieren und auf Standardskonformität prüfen. Zum anderen steht die sogenannte Skillgraph-Plattform für tiefergehende Experimente zur Verfügung. Hier werden menschliche Anweisungen in wiederverwendbare, strukturierte Prompts und Testskripte übersetzt, um den Generierungsprozess zu standardisieren und reproduzierbar zu machen. Diese Methode ersetzt nicht die vollständige Automatisierung, sondern übernimmt die mechanischen Implementierungsaufgaben, während Architektur- und Performance-Entscheidungen weiterhin durch Ingenieure getroffen werden. Der Ansatz unterstreicht den Wert offener, offizieller Spezifikationen für die Automatisierung in der Softwareentwicklung. Durch die Veröffentlichung als experimentelles Projekt innerhalb von NVIDIA Omniverse Labs steht der Code öffentlich auf GitHub zur Verfügung. Entwickler können eigene Fähigkeiten zur Spezifikationserweiterung beisteuern, während AOUSD-Mitglieder die Weiterentwicklung des Core Specs aktiv mitgestalten. Nanousd-labs demonstriert damit, wie künstliche Intelligenz und offene Industriestandards synergistisch genutzt werden können, um die Entwicklung von Physical-AI-Lösungen zu rationalisieren und die Markteinführung physisch simulierter Systeme signifikant zu beschleunigen.