用途：BEVFusion 用于多传感器 3D 目标检测，在 BEV 空间中融合 LiDAR 点云与相机图像，面向自动驾驶的鲁棒 3D 感知。可设置 Swin 图像骨干的预训练权重路径。
主要能力：基于 TAO Core，打包了生成的 schemas/<action>.schema.json 及 schemas/manifest.json，并由 schema 顶层 default 生成 references/spec_template_<action>.yaml。模型层通过 references/skill_info.yaml 的 automl_enabled 声明 AutoML。训练支持分布式多 GPU/多节点。
训练策略：train 动作默认经 tao-skill-bank:tao-run-automl 路由（automl_policy: auto 且启用并可解析 schema/模板时）。用户说“关闭 AutoML/禁用 AutoML/无 HPO/普通训练”时仅本次运行设为 automl_policy: off。仅当 off 或缺少打包 train schema/模板时用直接训练；缺 schema 时报告 AutoML 已启用但不可运行。evaluate、inference、export、deploy 留在本模型技能内。
数据要求：数据集类型 bevfusion，格式 default，监控指标 AP11。dataset_convert 需 root_dir；evaluate/inference 用 test_dataset 的 ann_file（kitti_person_infos_val.pkl）；train 需 train/val/test 的 ann_file（分别为 kitti_person_infos_train.pkl 与 val）。所有动作必须构造数据源路径并写入 spec_overrides。
重要参数：dataset.classes 默认 ["person"]；dataset.type 可选 KittiPersonDataset、TAO3DSyntheticDataset、TAO3DDataset；dataset.box_type_3d 默认 lidar；train.optimizer.lr 默认 2e-4（AdamW）；input_modality 中 use_lidar/use_camera 为 True、use_radar/use_map 为 False；model.img_backbone 默认 mmdet.SwinTransformer（Swin-Tiny）；view_transform.type 默认 DepthLSSTransform；point_cloud_range 默认 [0,-40,-3,70.4,40,1]；voxel_size 默认 [0.05,0.05,0.1]；batch_size 默认 4。
多 GPU/多节点：入口用 torchrun --nnodes=N --nproc-per-node=M train.py，非 plain python。含 train.num_gpus、gpu_ids、num_nodes 等键；使用 mmdet3d 分布式训练而非 Lightning DDP；NODE_RANK 在 RANK 未设时复制给 RANK；CUDA_VISIBLE_DEVICES 由 TAO_VISIBLE_DEVICES 设置。
硬件：最少 2 卡，建议 4 卡，每卡 24GB+（推荐 A100），因多传感器融合显存占用高。
限制：训练前须先运行 dataset_convert 生成 info pickle；多模态需相机图像与 LiDAR 点云同时存在；BEVFusion 检查点 epoch 编号可能非标准零填充格式。推理映射写在本文档而非 config.json，parent_model 需传上游作业 id。其余细节暂未提供。