该技能用于训练、评估和推理TAO BEVFusion模型，实现融合LiDAR点云与相机图像的多传感器3D目标检测（鸟瞰图/BEV空间），主要面向自动驾驶场景。关键词：BEVFusion、3D目标检测、多传感器融合、LiDAR、相机、BEV、自动驾驶、模型训练、模型评估、模型推理。

该技能用于从带有KITTI边界框标签的图像生成指代表达式（referring expressions）和接地标注（grounding annotations）。它通过一个视觉语言模型（VLM）执行四步流程：区域描述、场景标题、分组接地表达式生成及可选的双重检查验证，最终输出统一格式的annotations.jsonl，适用于自动驾驶或场景理解数据集构建。关键词：图像生成、指代表达式、KITTI标签、边界框、区域描述、场景标题、接地表达式、自动标注、VLM、视觉语言模型、数据标注。

这是一个基于 NVIDIA TAO 工具包的技能，用于 PointPillars 模型的训练、评估、导出、剪枝和推理。它支持将 LiDAR 点云转换为支柱（pillar）伪图像，并应用2D检测，从而实现3D目标检测。主要关键词：PointPillars、LiDAR、点云、3D目标检测、TAO、自主驾驶、机器人、TensorRT、模型训练。

Sparse4D是NVIDIA TAO框架下用于多相机时序3D目标检测与跟踪的技能，通过稀疏查询和可变形注意力在跨相机、跨时间维度完成端到端3D感知。该技能覆盖数据转换、训练（含AutoML）、评估、导出、量化和推理流程，适用于自动驾驶场景。关键词：Sparse4D、3D目标检测、多相机融合、时序跟踪、自动驾驶、TAO、AutoML、模型训练、评估、推理。