Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com2. November 2022 · Q011138

Hit the USD Books in this Metaverse Coding Series

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag beschreibt eine siebenteilige Video-Reihe, die anhand eines prozeduralen Bücherregal-Generators die praktische Arbeit mit USD und NVIDIA Omniverse zeigt. Sie richtet sich vor allem an Python-Erfahrene und behandelt nur einen begrenzten Teil von USD, darunter ausschließlich die Kompositionsart References.

Mittel

Der NVIDIA-Omniverse-Beitrag stellt eine sieben­teilige Video-Reihe vor, in der Matias Codesal einen prozeduralen „Bookshelf Generator“ als Omniverse-Erweiterung entwickelt. Das Projekt zeigt USD praktisch beim Erzeugen eines Regals, beim Einbinden und Vervielfältigen von Buch-Assets sowie beim Anordnen mehrerer angepasster Regale. Behandelt werden unter anderem Prims, Attribute, Beziehungen, Begrenzungsrahmen und der UsdGeomPointInstancer. Die Entwicklung erfolgt in Python; gezeigt wird die Arbeit mit Omniverse Code und Visual Studio Code. Der Autor hebt für Omniverse Code besonders das Neuladen von Quellcodeänderungen und die Python-Unterstützung hervor.

Die sieben Abschnitte reichen von Grundformen, Materialien und Regalaufbau über Referenzen, Instanzen, zufällige Buchgrößen und UV-Skalierung bis zu einer erweiterten Oberfläche, benutzerdefinierten Assets und abschließenden Fehlerbehebungen. Die Reihe richtet sich hauptsächlich an Entwickler mit mittleren bis fortgeschrittenen Python-Kenntnissen, soll laut Autor aber auch Anfängern Einblicke in Problemlösung geben. Sie ist ausdrücklich keine umfassende USD-Einführung: Von den sechs Kompositionsarten wird nur References verwendet. Playlist und vollständiger Code mit Zwischenständen sind verlinkt; zum Ausprobieren werden Omniverse Launcher und Omniverse Code benötigt.

Ausführlich lesen

Der Bericht von NVIDIA Omniverse stellt eine sieben­teilige Video-Coding-Reihe vor, in der Matias Codesal ein prozedurales Modellierungswerkzeug namens „Bookshelf Generator“ entwickelt. Das Projekt dient als praktisches Beispiel, um die USD-Programmierschnittstelle in NVIDIA Omniverse kennenzulernen. Der Beitrag beschreibt USD als offenes, erweiterbares Framework und Ökosystem für das Zusammensetzen, Bearbeiten, Abfragen, Rendern und Simulieren von 3D-Szenen. NVIDIA positioniert USD dabei als gemeinsame Sprache für virtuelle Welten und als Grundlage von Omniverse. Diese Einordnung ist die Darstellung des Unternehmens im Bericht.

Die Reihe führt nach Angaben des Autors durch die Entwicklung einer Omniverse-Erweiterung von Anfang bis Ende. Dafür setzt er Omniverse Code als Entwicklungsumgebung ein und zeigt zusätzlich die Arbeit mit Visual Studio Code. Als hilfreiche Eigenschaften von Omniverse Code nennt er das automatische Neuladen von Änderungen am Quellcode und die Python-Unterstützung. Das Beispiel ist vollständig in Python geschrieben; der Autor meint jedoch, dass auch C++-Entwickler daraus etwas über USD lernen können.

Inhaltlich beginnt die Reihe mit dem Erzeugen von Grundformen und Materialien per Kit-Befehlen sowie dem Skalieren und Verschieben der Teile eines Bücherregals. Anschließend wird ein Buch-Asset eingebunden, instanziiert und auf den Regalböden angeordnet. Weitere Abschnitte ergänzen zufällige Größenvariation, verbessern die Struktur des Regal-Assets und behandeln UV-Skalierung. Danach werden mehrere Regale innerhalb einer Szene sowie eine dazu passende Benutzeroberfläche und benutzerdefinierte Buch-Assets unterstützt. Der letzte Teil widmet sich der abschließenden Bedienoberfläche und verbleibenden Fehlern.

Als behandelte USD-Konzepte nennt der Beitrag unter anderem Prims, benutzerdefinierte Attribute und Beziehungen sowie die Berechnung von Begrenzungsrahmen. Im Mittelpunkt steht UsdGeomPointInstancer, mit dem die Bücher vervielfältigt und angeordnet werden. Die Reihe verwendet außerdem USD-Referenzen, um ein Buch-Asset einzubinden.

Der Bericht empfiehlt die Reihe vor allem Entwicklerinnen und Entwicklern mit mittleren bis fortgeschrittenen Python-Kenntnissen. Anfänger können laut Autor dennoch von seinen Erklärungen und seiner Herangehensweise beim Finden von Lösungen profitieren. Zugleich grenzt er den Lernumfang ausdrücklich ein: Die Serie ist keine vollständige Übersicht über alle Möglichkeiten von USD. Obwohl Komposition ein wichtiges USD-Merkmal sei, werde im Projekt nur eine der sechs Kompositionsarten behandelt, nämlich References. Der Beitrag liefert eine Projekt- und Kursbeschreibung, aber keine unabhängige Bewertung der Lernreihe oder ihrer Ergebnisse.

Zum Nachvollziehen verweist der Bericht auf eine auf Abruf verfügbare YouTube-Playlist mit allen sieben Teilen und ein GitHub-Repository. Git-Tags markieren dort laut Beitrag den Stand des Codes nach jedem Abschnitt. Zum Ausprobieren des Werkzeugs werden der NVIDIA Omniverse Launcher und Omniverse Code benötigt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung betrifft nur die angegebene Sammelfrage SF-H3; Teilfragen wurden nicht vorgelegt. Die Zusammenfassung wurde gegen den Bericht geprüft, Abweichungen sind nur geringfügig.

Im Bericht, aber nicht in der Zusammenfassung

  • Rahmung des Beitrags: USD als sich durchsetzender Standard für virtuelle Welten und NVIDIAs Ziel, USD als „HTML of the metaverse“ zu etablieren

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 51 %einzelne zitierbare Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →