SKILLEMALL.ai
GitHub ↗ EN Войти

BF tao-train-pointpillars

PointPillars для 3D-детекции объектов по облакам точек LiDAR. Кодирует облака точек в псевдоизображение с помощью представления на основе столбиков, затем применяет 2D-детекцию — используется в автономном вождении и робототехнике. Используется при обучении, оценке, экспорте, усечении, переобучении или выполнении инференса для модели TAO PointPillars. Триггерные фразы включают "обучить PointPillars", "3D-детекция LiDAR", "детекция объектов по облаку точек", "3D-детектор на основе столбиков".

машинный переводПоказать оригиналСкрыть оригинал«PointPillars for 3D object detection from LiDAR point clouds. Encodes…»

PointPillars for 3D object detection from LiDAR point clouds. Encodes point clouds into a pseudo-image via a pillar-based representation, then applies 2D detection — used in autonomous driving and robotics. Use when training, evaluating, exporting, pruning, retraining, or running inference for a TAO PointPillars model. Trigger phrases include "train PointPillars", "LiDAR 3D detection", "point-cloud object detection", "pillar-based 3D detector".

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 3 712 токенов Открыть источникclawhub.ai↗ проанализирован 7 ч назад

PointPillars для 3D-детекции объектов по облакам точек LiDAR.

Как процесс F 43/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/tao-deploy-pointpillars.md, references/spec_template_<action>.yaml, references/skill_info.yaml

АнализаторDockerДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
F
43/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/tao-deploy-pointpillars.md, references/spec_template_<action>.yaml, references/skill_info.yaml
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Широкие права средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • средняя Широкие права meta-broad-allowed-tools SKILL.md:1
    Заранее разрешены широкие инструменты: Bash
    allowed-tools: Read Bash

Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: references/tao-deploy-pointpillars.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/spec_template_<action>.yaml
  • предупреждение missing-ref ссылка на отсутствующий файл: references/skill_info.yaml
  • предупреждение missing-ref ссылка на отсутствующий файл: references/spec_template_train.yaml

Процессный рейтинг: все десять параметров 43/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/tao-deploy-pointpillars.md, references/spec_template_<action>.yaml, references/skill_info.yaml
  • 0Инструменты и файлы. Не хватает 4 файла(ов): references/tao-deploy-pointpillars.md, references/spec_template_<action>.yaml, references/skill_info.yaml
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
  • 100Шаги. Шагов: 14
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3712 токенов
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 448 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 14 пунктов
  • +4Есть примеры (8 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.