用途：CenterPose 用于关键点/位姿估计，检测物体中心并回归关键点位置，支持 6-DoF 物体位姿估计。属于 TAO 工具链技能，训练前需设置 model.backbone.pretrained_backbone_path。数据集类型为 centerpose，默认格式，监控指标 val_3DIoU。
主要能力与动作：包含 train、evaluate、inference、export、gen_trt_engine 等动作。训练参数中 dataset.num_joints 固定为 8（bbox 关键点），dataset.input_res 固定 512，输出分辨率固定 128，dataset.num_classes 默认 1，dataset.category 默认 cereal_box，model.backbone.model_type 默认 fan_small，train.optim.lr 默认 6e-5，使用 MultiStep 调度 lr_steps=[90,120]、lr_decay=0.1。inference.use_pnp 默认 True，需相机内参。export 输入固定 512x512，opset_version=16。TRT 数据类型支持 FP32、FP16、INT8，opt_batch_size=4，max_batch_size=8。
使用方式：每个动作必须构造数据源路径并写入 spec_overrides。训练需 dataset.train_data 与 dataset.val_data；evaluate 需 dataset.test_data；inference 需 dataset.inference_data；gen_trt_engine 需 calibration.cal_image_dir。模型层已启用 AutoML，默认走 tao-run-automl；如用户说关闭 AutoML 则本次 automl_policy 设为 off。执行 TAO Deploy 的 TensorRT 动作前，先阅读 references/tao-deploy-centerpose.md；部署模板位于该技能 references 文件夹，前缀 spec_template_deploy_。
限制：多 GPU 通过 Lightning 管理，默认 train.num_gpus=1，gpu_ids=[0]，仅单节点，无 sync_batchnorm。硬件最低 1 GPU，推荐 2 GPU，每卡 16GB+ 显存。num_joints 必须与标注关键点数量一致。若缺少 schemas/train.schema.json 与 references/spec_template_train.yaml，AutoML 虽启用但不可运行。当前资料未提供收费与价格信息。