พัฒนา Runtime USD น้ำหนักเบาให้เร็วขึ้นด้วย AI Agents

    pip install nanousd

    import nanousd

    stage = nanusd.OpenStage("my_scene.usd")

    for prim in stage.Traverse():

        print(f"- {prim.GetPath()} ({prim.GetTypeName()})")

    

# Agent authors the stage

    scene_structure = agent.author_stage(...)

    

# Agent composes it back through nanousd-labs to confirm it resolves correctly

    composed_scene = nanousd.Compose(scene_structure)

    

# Agent returns the composed scene structure plus a note on anything it fixed

    print(composed_scene.structure)

    print(composed_scene.notes)

พัฒนา Runtime USD น้ำหนักเบาให้เร็วขึ้นด้วย AI Agentsในโลกของการสร้างสรรค์ 3 มิติ และการจำลองทางกายภาพ (Physical AI) การจัดการข้อมูลที่มีความซับซ้อนเป็นสิ่งสำคัญอย่างยิ่ง OpenUSD (Open Universal Scene Description) ได้กลายเป็นเฟรมเวิร์กมาตรฐานที่เปิดกว้างและสามารถขยายได้ เพื่อให้ทีมต่างๆ สามารถนำข้อมูล CAD, สินทรัพย์จากการจำลอง หรือข้อมูล Telemetry จากโลกจริง มาสร้างเป็นภาพมุมมองร่วมกันที่มีความแม่นยำทางกายภาพแต่เดิม การสร้าง Runtime USD มักจะต้องปรับแต่งจากโค้ดเบสขนาดใหญ่ที่มีอยู่ ซึ่งอาจไม่เหมาะกับทุกความต้องการ ทั้งในด้านการใช้หน่วยความจำ, รูปแบบ Application Binary Interface (ABI) ที่แตกต่างกัน หรือลักษณะประสิทธิภาพที่ต้องการ แต่วันนี้มีอีกทางเลือกหนึ่งที่น่าสนใจ นั่นคือการสร้าง Runtime โดยตรงจากมาตรฐาน USD ด้วย AI Agents ผ่านโครงการ nanousd-labs จาก NVIDIA Omniverse Labsnanousd-labs: สร้าง Runtime USD จากข้อกำหนดมาตรฐานด้วย AInanousd-labs เป็นเครื่องมือที่ช่วยให้นักพัฒนาสามารถสร้าง Runtime USD ที่มีน้ำหนักเบาและเป็นไปตามข้อกำหนด (spec-compliant) ได้โดยตรงจาก USD Core Specification โดยใช้ AI Agents เป็นตัวช่วย วิธีการนี้ช่วยให้นักพัฒนาไม่ต้องปรับแต่งโค้ดเบสเดิมที่ใหญ่จนเกินไป และสามารถกำหนดข้อจำกัดด้านหน่วยความจำ ประสิทธิภาพ และ ABI ได้อย่างแม่นยำตามความต้องการใช้งานหลักการทำงาน: ข้อกำหนดคือสัญญาหัวใจสำคัญของ nanousd-labs คือการมองว่า USD Core Specification ซึ่งจัดทำโดย Alliance for OpenUSD (AOUSD) เป็นเหมือน "สัญญา" ที่ AI Agents จะอ่านและนำไปสร้างโค้ด จากนั้นจึงตรวจสอบความถูกต้องกับชุดทดสอบที่สร้างขึ้นจากข้อกำหนดนั้นๆ นักพัฒนาจะเน้นที่การตัดสินใจเชิงสถาปัตยกรรม ในขณะที่ AI Agents จะทำงานที่เกี่ยวกับกระบวนการแปลงข้อกำหนดเป็นโค้ดโดยอัตโนมัติ เช่น การแยกวิเคราะห์ (parsing), การจัดองค์ประกอบฉาก (scene composition) และการค้นหาค่า (value resolution)nanousd: Data Layer ที่เสถียรและยืดหยุ่นnanousd เป็นส่วนประกอบที่ให้เลเยอร์ข้อมูลแบบ C ABI ที่เสถียร ซึ่งทำงานแยกจากการเรนเดอร์ ช่วยให้สามารถผสานรวมเข้ากับ OpenUSD ที่มีอยู่เดิมได้อย่างราบรื่น และยังรองรับการสลับ Backend แบบไดนามิก โดยยังคงรักษา API ที่สอดคล้องกัน นักพัฒนาสามารถใช้ nanousd ได้โดยตรง หรือนำวิธีการที่ขับเคลื่อนด้วย AI Agents ไปปรับใช้เพื่อสร้างหรือตรวจสอบเวิร์กโฟลว์ Physical AI ที่กำหนดเองได้ทำไมต้องสร้าง Runtime USD ด้วย AI?การสร้าง Runtime USD แบบดั้งเดิมมักต้องอาศัยการปรับแต่งโค้ดเบสที่มีอยู่ ซึ่งอาจใช้เวลานานและไม่ยืดหยุ่นหากต้องการปรับเปลี่ยนคุณสมบัติบางอย่าง nanousd-labs นำเสนอแนวทางใหม่ที่ใช้ประโยชน์จากลักษณะที่เป็นทางการและอ่านได้ด้วยเครื่องของ USD Core Specificationการทำงานของ AI Agents กับ USD Core Specificationวิธีการของ nanousd-labs ตั้งอยู่บนแนวคิดที่ว่า USD Core Specification คือ "สัญญา" ที่กำหนดพฤติกรรมที่ Runtime ที่เป็นไปตามข้อกำหนดควรจะแสดงออกมา โดยไม่จำเป็นต้องบอกวิธีการสร้างที่เจาะจง AI Agents จะอ่านข้อกำหนดโดยตรง และเขียนโค้ดที่ต้องทำให้พฤติกรรมนั้นสำเร็จ จากนั้นจึงตรวจสอบผลลัพธ์กับชุดทดสอบที่มาจากข้อกำหนดเดียวกันกระบวนการนี้ทำให้โค้ดที่สร้างขึ้นมีความยืดหยุ่น สามารถสร้างใหม่ได้ภายใต้ข้อจำกัดที่แตกต่างกัน เช่น หน่วยความจำ ประสิทธิภาพ หรือภาษา โดยยังคงความเป็นไปตามข้อกำหนดเดิมnanousd-labs คืออะไร?nanousd คือการนำ USD Core Specification มาสร้างเป็น Runtime ที่เป็นอิสระ โดยเน้นที่โมเดลข้อมูล (กฎเกณฑ์ที่ควบคุมว่าฉาก USD ทำงานอย่างไรเมื่อถูกโหลดและสอบถาม) และเปิดเผยผ่าน C ABI ที่เสถียร การนำไปใช้งานเขียนด้วย C++ พร้อม C API สาธารณะที่ภาษาใดๆ ก็สามารถเรียกใช้ได้โดยตรงnanousd ทำหน้าที่เป็น Data Layer ไม่ใช่ Renderer โดยจะทำการแยกวิเคราะห์ (parse), จัดองค์ประกอบ (compose), สอบถาม (query) และเขียน (write) ข้อมูล โดยจะหยุดที่จุดเริ่มต้นของการสร้างพิกเซล AI Agents จะนำ Core Specification มาสร้างโมเดลข้อมูล และ nanousd จะเก็บเฉพาะสิ่งที่เวิร์กโหลดนั้นๆ ต้องการ โดยเปิดเผยผ่าน C ABI ที่เสถียร ทำให้สแต็ก OpenUSD ที่มีอยู่ยังคงทำงานได้โดยไม่ต้องแก้ไขความเสถียรของ C ABI และการสลับ BackendUSD Core Specification กำหนดว่า Runtime ต้องทำอะไรบ้าง แต่เปิดทางเลือกให้การจัดการหน่วยความจำ, การทำงานแบบหลายเธรด (threading), ABI และภาษา เป็นการตัดสินใจในการนำไปใช้งาน สำหรับ nanousd การเลือกหลักคือ C ABI ที่เสถียร ทำให้โค้ดฝั่ง Client ที่คอมไพล์กับ C API แบบคงที่ สามารถโหลด Implementation ของมันได้ใน Runtime ดังนั้น Backend จึงสามารถเปลี่ยนแปลงได้ในขณะที่โค้ดที่เรียกใช้ยังคงเดิมสองวิธีเริ่มต้นสร้างด้วย USD Core Specification และ AI Agentsสำหรับนักพัฒนาที่กำลังสร้าง Physical AI pipelines และแอปพลิเคชัน ที่ต้องการ Runtime USD ที่มีน้ำหนักเบาและสร้างขึ้นเพื่อวัตถุประสงค์เฉพาะ มีสองวิธีในการเริ่มต้นใช้งาน nanousd-labs:สำหรับการใช้งานทันที: สำหรับทีมที่ต้องการ Runtime ที่พร้อมใช้งาน สามารถโคลนและสร้าง nanousd ได้โดยตรง nanousd-python ซึ่งเป็นแพ็กเกจ Python ที่สร้างบน C API ของ nanousd ไม่ต้องการ GPU และสามารถทำงานแบบ Headless บนเครื่องใดก็ได้ สามารถติดตั้งได้ง่ายๆ pip install nanousdการเปิด Stage และไล่ดู Prims (องค์ประกอบแต่ละส่วนที่ประกอบกันเป็นฉาก USD) สามารถทำได้ดังนี้: import nanousd stage = nanusd.OpenStage("my_scene.usd") for prim in stage.Traverse(): print(f"- {prim.GetPath()} ({prim.GetTypeName()})")จากนั้น AI Agent ที่อิงตาม USD Core Specification จะจัดการการสร้าง (authoring) และการตรวจสอบความถูกต้อง: # Agent authors the stage scene_structure = agent.author_stage(...) # Agent composes it back through nanousd-labs to confirm it resolves correctly composed_scene = nanousd.Compose(scene_structure) # Agent returns the composed scene structure plus a note on anything it fixed print(composed_scene.structure) print(composed_scene.notes)ผลลัพธ์ที่แสดงจะระบุองค์ประกอบแต่ละส่วนในฉาก, ประเภท, และวิธีการประกอบเข้าด้วยกันสำหรับการเรียนรู้วิธีการและนำไปปรับใช้: สำหรับทีมที่ต้องการทำความเข้าใจวิธีการและนำไปปรับใช้กับสแต็กของตนเอง การเริ่มต้นครั้งแรกกับการให้ AI Agents สร้างโดยตรง จะเป็นการเขียนคำสั่งด้วยมือทั้งหมด Skillgraph คือที่ที่คำสั่งของมนุษย์ถูกแปลงเป็นทักษะที่นำกลับมาใช้ใหม่ได้ สูตร (recipes), Prompt และการทดสอบ จะบันทึกวิธีการสร้างพฤติกรรมที่สอดคล้องกับข้อกำหนดมี Tutorial สั้นๆ ประมาณ 10 นาที ที่จะแนะนำวิธีการสร้าง Parser สำหรับ USD ASCII (USDA) ที่เป็นไปตาม Core Specification และจะจบลงด้วยความเข้าใจในวิธีการและจุดเริ่มต้นสำหรับการนำไปใช้งานการสร้าง Runtime USD ที่ตรงตามวัตถุประสงค์การใช้งาน สามารถทำได้แล้วโดยไม่ต้องเริ่มต้นจากศูนย์ USD Core Specification เป็นรากฐานที่แม่นยำให้ AI Agents ใช้สร้าง และ nanousd-labs คือตัวอย่างที่แสดงให้เห็นถึงความเป็นไปได้ในทางปฏิบัติการมีส่วนร่วมและการพัฒนาต่อยอดนักพัฒนาสามารถ ร่วมสนับสนุน ด้วยการสร้างทักษะใหม่ๆ, การรองรับภาษาอื่นๆ หรือกรณีการใช้งาน Physical AI บน GitHubองค์กรที่เป็นสมาชิก AOUSD สามารถ ร่วมกำหนดมาตรฐาน ผ่าน Core Spec Working Group ได้สำรวจ OpenUSD standard USD Core Specทดลองใช้งาน nanousd-labs projectเริ่มต้นด้วยเส้นทางการเรียนรู้ Learn OpenUSD ซึ่งเป็น Open-source ฟรี ที่ออกแบบมาเพื่อช่วยให้เชี่ยวชาญทักษะในการสร้างเวิร์กโฟลว์ 3 มิติที่มีประสิทธิภาพด้วย OpenUSD#OpenUSD #USD #AI #NVIDIA #Omniversehttps://developer.nvidia.com/blog/develop-lightweight-usd-runtimes-faster-with-ai-agents/