DeTrack：用于无人机嵌入式跟踪的基准和高度感知双世界模型
计算机视觉与模式识别
2026-05-19 v1
摘要
空中目标跟踪在公共安全、紧急救援、野生动物监测等领域具有广泛应用前景。然而，现有的空中跟踪基准主要基于来自固定摄像机位置或预定义飞行路径的被动 2D 视频序列，其中无人机被视为被动摄像机，而非在动态 3D 场景中进行主动感知、交互和控制运动的嵌入式智能体。在本文中，我们定义了一种新的无人机嵌入式跟踪任务，称为 DeTrack，该任务要求无人机通过在封闭环中使用在线三维观测和主动飞行控制，在交互式 3D 环境中跟踪目标。我们构建了一个大规模基准，包含 11,368 个目标轨迹，覆盖多样化的场景、渲染条件、语义区域和移动干扰项，同时提供用于评估目标可见性、跟踪准确性和轨迹成功的评估指标。我们进一步提出了 AaDWorlds，一种用于无人机嵌入式跟踪的高度感知双世界模型框架。AaDWorlds 包含一个高度感知感知模块和两个在高海拔和低海拔情景下预测未来状态的双世界模型。通过结合伪高度感知观测和想象的未来状态，AaDWorlds 缓解了目标可见性与飞行安全之间固有的高度中介矛盾。在 DeTrack 基准上的实验表明，AaDWorlds 在所有评估指标上均改善了闭环跟踪性能。
引用
@article{arxiv.2605.17451,
title = {DeTrack: A Benchmark and Altitude-Aware Dual World Model for Drone-embodied Tracking},
author = {Guyue Hu and Haoming Liu and Siyuan Song and Chenglong Li and Feng Chen and Jin Tang},
journal= {arXiv preprint arXiv:2605.17451},
year = {2026}
}