从感知到追逐：面向开放世界无人机检测的轨迹中心时序推理

自动无人机追逐不仅需要检测无人机，还需要以一种能够实现可行拦截的轨迹方式来预测其轨迹。现有跟踪方法优化预测精度，但忽略了追逐可行性，导致99.9%的情况下轨迹无法实现拦截。我们提出感知到追逐（Perception-to-Pursuit, P2P），一个以轨迹为中心的时序推理框架，将检测与可操作的追逐规划连接起来。我们将无人机运动表示为包含速度、加速度、尺度和平滑性的紧凑8维标记，使其能够进行12帧因果变换器（causal transformer）的时序推理。我们引入拦截成功率（Intercept Success Rate, ISR）指标，以衡量在现实拦截器约束下的追逐可行性。在基于226个真实无人机序列的Anti-UAV-RGBT数据集上评估，P2P实现了28.12像素平均位移误差和0.597 ISR，相较于仅基于跟踪的基线方法，在轨迹预测和追逐可行性方分别实现了77%和597倍的改进，同时保持完美的无人机分类准确率（100%）。我们的工作表明，针对运动模式的时序推理既能够实现准确预测，又能够实现可操作的追逐规划。