NVIDIA NuRec 神经重建路由器
为 NuRec 工作流选择正确技能并衔接上游流程。
证据显示技能声明仅使用 Read/Shell，明确披露 Git、Docker、NGC、Hugging Face、GPU 及令牌依赖，并提供安全校验、许可接受和秘密处理规则；同时要求读取上游技能后再执行变更操作。扣分原因是克隆、拉取、容器运行及可能产生大额磁盘占用的外部效果没有明确的逐项用户确认、隔离边界或通用回滚方案，且部分下游权限由外部技能承担。
证据显示路由表、工作流顺序、故障排查和限制说明较完整，且 BENCHMARK.md 报告了静态验证及任务评估结果。扣分原因是本次为静态审查，未执行关键路径；上游内容会漂移，依赖外部仓库、容器、GPU 和受限数据，异常输入及上游不可达时的可诊断失败证据有限，因此不超过静态上限10分。
证据显示目标用户、触发词、兄弟技能映射、工作流和明确的非适用范围均有说明，包括排除 SimReady 和基础设施部署。扣分原因是 NVIDIA-only 硬件和工具链限制明显，核心流程依赖 GitHub、Hugging Face、NGC 等外部服务，未说明中文交互或中国大陆网络可达性，且路由技能本身不能完成训练、转换或渲染。
证据显示 front matter 提供名称、描述、Apache-2.0、版本、作者、兼容性和上游信息；正文采用渐进式路由、工作流、限制、故障排查、秘密处理、维护和拆卸文档。扣分原因是 BENCHMARK.md 指出缺少推荐的 Instructions 和 Examples 章节，作者格式不符合检查器要求；维护责任虽指向 NRS 团队，但没有明确维护者联系方式、变更日志或固定上游版本保证。
证据显示该技能能直接完成 NuRec 问题分流，并明确给出数据集、ncore、nre 等顺序；评估文件和基准报告声称路由、正确性和有效性表现良好。扣分原因是它是薄路由器，核心命令和结果依赖需另行获取的上游技能，静态材料没有可独立核验的代表性输出，因此只能给出接近静态上限但未满的分数。
证据显示存在 revision 固定的源文件、上游路径与多个外部来源声明，并提交了 evals.json 和 BENCHMARK.md。扣分原因是基准报告主要是作者提供的汇总，未见可在本文件集合中独立复现的 CI 工作流、测试套件覆盖或第三方交叉验证；外部链接的真实性和当前内容在本次静态审查中未核验。
- 核心能力依赖外部上游仓库、NGC 容器和 Hugging Face gated 数据；在中国大陆网络或无 NVIDIA GPU 环境中可能无法使用。
- 执行上游流程前应逐项确认令牌、许可证、网络、磁盘空间和容器权限，并核对上游版本是否漂移。
- 基准报告属于源文件中的声明，不能替代本次静态审查中的独立执行验证。
这个 Skill 能做什么，适合哪些场景？
这是 NVIDIA Neural Reconstruction（NuRec）的轻量级路由技能，不直接执行训练、渲染、转换或清理命令。它根据用户目标选择 physical-ai-datasets、ncore、nre、asset-harvester 或 nurec-fixer 等上游技能，并组织数据、转换、训练、渲染和清理流程。NuRec 可将摄像头、LiDAR、雷达或立体视觉记录转换为可从新视角渲染的 3D 场景。完整流程通常需要 NVIDIA GPU、容器工具链、NGC API key，以及接受许可条款的 Hugging Face 访问令牌。
读取用户的 NuRec 相关需求，匹配相应的上游 sibling skill；使用 Git 克隆或刷新 https://github.com/NVIDIA/nurec-skills；读取上游索引和具体技能的 SKILL.md；在多步骤任务中排列 NCore V4 数据转换、NRE 训练、USDZ 渲染、对象处理、帧清理或模拟器连接的顺序。它还说明凭据的安全检查方式、常见故障原因、技能边界和工作流清理注意事项。
- 自动驾驶或机器人团队希望判断应使用数据集下载、NCore 转换还是 NRE 训练技能时。
- 用户拥有摄像头、LiDAR、雷达或立体视觉记录，需要先规划 NuRec 重建流程时。
- 团队需要从已有 USDZ 渲染新视角、LiDAR 扫描或通过 gRPC 连接 CARLA、Isaac Sim 或 AlpaSim 时。
- 用户需要提取、替换或清理 NuRec 场景中的车辆、行人和渲染帧时。
- 用户误将 NuRec 与 SimReady、通用 USD 性能调优或基础设施部署混用时。
这个 Skill 有哪些优点和局限？
- 能覆盖 NuRec 数据集、NCore、NRE、对象提取和帧清理之间的任务分流。
- 明确区分 NuRec 与 SimReady、通用 USD 调优及基础设施部署。
- 提供上游仓库刷新、凭据安全检查、常见故障和跨技能清理指引。
- 采用标准 SKILL.md 元数据，并可通过 NVIDIA skills CLI 安装。
- 它只是路由器，不会直接执行训练、转换、渲染或修复操作。
- 关键配方位于会持续变化的上游 nurec-skills 仓库，旧的本地克隆可能过时。
- 完整工作流可能占用 150 GB 以上磁盘，并且不支持 AMD、Intel 或 Apple Silicon。
- 多个 Hugging Face 数据集和模型受门控许可限制，必须提前接受条款并配置令牌。
- 提供的材料未展示该技能独立测试套件或平台覆盖报告。
如何安装这个 Skill？
使用仓库 README 提供的 skills CLI 安装指定技能：
npx skills add nvidia/skills --skill physical-ai-neural-reconstruction --yes
也可以指定目标客户端，例如：
npx skills add nvidia/skills --skill physical-ai-neural-reconstruction --agent codex --yes
README 说明技能会在代理下次加载相关技能时可用。
如何使用这个 Skill？
在已安装技能的代理中提出明确的 NuRec 请求，例如："我有一段 LiDAR 和摄像头记录，应该先用哪个 NuRec 技能转换并训练？" 或 "如何通过 gRPC 从 USDZ 向 CARLA 渲染帧？"。路由器会选择上游 sibling skill；执行变更操作前，应先获取并阅读对应的上游 SKILL.md。该技能本身不提供可直接执行的训练、渲染或转换命令。
这个 Skill 与同类方案有什么区别？
与 SimReady 管线相比，NuRec 面向从传感器记录生成可渲染 USDZ 场景，而不是对 CAD 或源网格进行 SimReady 打包。与通用 USD 性能调优技能相比，本技能只处理 NuRec 相关路由。与 AKS、OSMO 或 NIM Operator 基础设施技能相比，本技能不负责基础设施部署。