用途：在 TAO 框架内进行开放集目标检测，通过文本提示（如 person）检测物体，不依赖固定类别词表。结合 DINO 风格检测与 BERT 文本编码器实现语言引导检测。
主要能力：数据集类型为 object_detection，支持 odvg、coco、raw 格式，监控指标为 val_mAP50。操作涵盖 train、evaluate、inference、quantize、export、gen_trt_engine 等。训练前需设置 train.pretrained_model_path（完整 Grounding DINO 权重）或 model.pretrained_backbone_path（仅骨干）。
训练策略：模型层启用 AutoML。处理训练请求前应读取 references/skill_info.yaml 解析 automl_policy。用户说“关闭 AutoML”“禁用 AutoML”“无 HPO”“普通训练”时，本次运行设为 off；否则默认 auto。auto 且 automl_enabled 为 true 且 train schema 与模板齐备时，应默认走 tao-skill-bank:tao-run-automl 并传入本模型 skill_dir。schemas/train.schema.json 或 references/spec_template_train.yaml 缺失时，只能直接训练并说明 AutoML 已启用但不可运行。evaluate、inference、export、deploy 等非训练操作留在本技能。
数据源：每个操作都必须按表格构造数据源路径并写入 spec_overrides。如 S3_TRAIN、S3_EVAL 示例，train 需 dataset.train_data_sources（image_dir、annotations_odvg.jsonl、label_map）与 dataset.val_data_sources（image_dir、annotations.json）。inference 需 infer_data_sources 的 captions 与 classmap。量化需 train/val/quant_calibration 三类数据源。
关键参数：backbone 默认 swin_tiny_224_1k（也支持 resnet_50 及 Swin 变体）；text_encoder_type 默认 bert-base-uncased，max_text_len 默认 256；lr 默认 2e-4，lr_backbone 2e-5，支持 bf16；max_labels 默认 50；num_queries 默认 900；lr_steps 默认 [10]。
多卡/多节点：由 Lightning 管理，支持 num_gpus、gpu_ids、num_nodes、distributed_strategy（ddp/fsdp）。多节点需设置 WORLD_SIZE、NODE_RANK、MASTER_ADDR、MASTER_PORT。
导出与 TRT：输入 960x544，opset 17；TRT 仅支持 FP32、FP16，不支持 INT8；workspace 8192 MB，max_batch_size 4。部署前先阅读 references/tao-deploy-grounding-dino.md。
硬件：最低 1 卡，推荐 4 卡，每卡 24GB 以上显存（推荐 A100）；显存不足时减小 batch_size。
限制：BERT 文本编码器带来额外显存开销；验证标注类别 ID 应从 0 开始；需能下载 bert-base-uncased 权重或提供本地路径；AutoML 仅在 train schema 与模板齐备时可运行；完整代码示例与更多细节暂未提供。