論文の概要: DeTrack: A Benchmark and Altitude-Aware Dual World Model for Drone-embodied Tracking

• arxiv url: http://arxiv.org/abs/2605.17451v1
• Date: Sun, 17 May 2026 13:49:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.09743
• Title: DeTrack: A Benchmark and Altitude-Aware Dual World Model for Drone-embodied Tracking
• Title（参考訳）: DeTrack: ドローンの身体追跡のためのベンチマークと高度を意識したデュアルワールドモデル
• Abstract要約: DeTrackは、ドローンが対話的な3D環境でターゲットを追跡することを必要とする、ドローンを身体的に追跡する新しいタスクだ。 AaDWorldsは、ドローンの身体追跡のための高度対応のデュアルワールドモデルフレームワークである。
• 参考スコア（独自算出の注目度）: 19.17071505132198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aerial object tracking has broad applications in public safety, emergency rescue, wildlife monitoring, and related fields. However, existing aerial tracking benchmarks are mainly based on passive 2D video sequences captured from fixed camera locations or predefined flight paths, where drones are treated as passive cameras rather than embodied agents that actively perceive, interact, and control their motion in dynamic 3D scenes. In this paper, we define a new drone-embodied tracking task, termed DeTrack, which requires a drone to track a target in interactive 3D environments using online egocentric observations and active flight control in a closed loop. We build a large-scale benchmark containing 11,368 target trajectories across diverse scenes, rendering conditions, semantic regions, and moving distractors, together with evaluation metrics for target visibility, tracking accuracy, and trajectory success. We further propose AaDWorlds, an altitude-aware dual world model framework for drone-embodied tracking. AaDWorlds consists of an altitude-aware perception module and dual world models that imagine future states under both high- and low-altitude regimes. By combining pseudo altitude-aware observations and imagined future states, AaDWorlds alleviates the intrinsic altitude-mediated contradiction between target visibility and flight safety. Experiments on the DeTrack benchmark demonstrate that AaDWorlds improves closed-loop tracking performance across all evaluation metrics.
• Abstract（参考訳）: 航空物体追跡は、公共の安全、緊急救助、野生生物の監視、および関連分野に広く応用されている。 しかし、既存の空中追跡ベンチマークは主に、固定カメラの位置や事前に定義された飛行経路から捉えた受動的2Dビデオシーケンスに基づいており、ドローンはダイナミックな3Dシーンにおいて、積極的に知覚し、相互作用し、制御するエージェントではなく、受動的カメラとして扱われる。 本稿では,オンラインのエゴセントリックな観測とクローズドループでのアクティブ飛行制御を用いて,対話型3D環境下での目標の追跡をドローンが要求する,DeTrackと呼ばれる新しいドローン身体追跡タスクを定義する。 多様なシーン、レンダリング条件、セマンティック領域、移動障害領域を含む11,368の目標軌道を含む大規模ベンチマークと、目標視認性、追跡精度、軌道成功度の評価指標を構築した。 AaDWorldsは、高度を意識した、ドローンの身体追跡のためのデュアルワールドモデルフレームワークである。 AaDWorldsは高度認識モジュールと、高度と低高度の両方で将来の状態を想像するデュアルワールドモデルで構成されている。 擬似高度認識観測と将来の状態の想像を組み合わせることで、AaDWorldsは目標視認性と飛行安全性の間の固有の高度依存性の矛盾を緩和する。 DeTrackベンチマークの実験では、AaDWorldsはすべての評価指標でクローズドループトラッキングのパフォーマンスを改善している。

関連論文リスト

• JitTrack: Onboard Multi-Object Tracking Against Viewpoint Jitter for Agile UAVs [0.5371337604556311]
  JitTrackは、ドローンのためのアクティブなマルチオブジェクトトラッキングフレームワークである。 ドローンのダイナミックスとカメラのエゴモーションに対応している。 セマンティックリファインメントを導入し、新興ターゲットの検出を改善する。 また、ターゲットのミスアライメントを補うために、モーションアウェアなクエリの修正も導入している。
  論文  参考訳（メタデータ） (2026-08-11T05:00:31Z)
• SpatialTrackerV2: 3D Point Tracking Made Easy [73.0350898700048]
  SpaceTrackerV2はモノクロビデオのフィードフォワード3Dポイントトラッキング手法である。 これは、世界空間の3Dモーションをシーン幾何学、カメラエゴモーション、ピクセルワイドオブジェクトモーションに分解する。 このような異種データから幾何学と運動を共同で学習することで、SpatialTrackerV2は既存の3Dトラッキング方法よりも30%優れています。
  論文  参考訳（メタデータ） (2025-07-16T17:59:03Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• DroneMOT: Drone-based Multi-Object Tracking Considering Detection Difficulties and Simultaneous Moving of Drones and Objects [6.449663756698312]
  監視カメラなどの静的プラットフォーム上でのマルチオブジェクトトラッキング(MOT)は、大きな進歩を遂げている。 しかし、ドローンのような動的プラットフォームに関しては、従来のMOT手法の有効性は著しく低下している。 本稿では,ドローンによる物体検出の高速化と,小型でぼやけた,隠蔽された物体に対する特徴埋め込みを目的とした,ドローンの高速移動を考慮したDroneMOTを提案する。
  論文  参考訳（メタデータ） (2024-07-12T07:18:18Z)
• RaTrack: Moving Object Detection and Tracking with 4D Radar Point Cloud [10.593320435411714]
  レーダベースのトラッキングに適した革新的なソリューションであるRaTrackを紹介します。 本手法は,動き推定モジュールによって強化された動き分割とクラスタリングに焦点を当てる。 RaTrackは移動物体の追跡精度が優れており、最先端の技術をはるかに上回っている。
  論文  参考訳（メタデータ） (2023-09-18T13:02:29Z)
• Aerial Monocular 3D Object Detection [67.20369963664314]
  DVDETは2次元画像空間と3次元物理空間の両方で空中単分子3次元物体検出を実現するために提案される。 高度視差変形問題に対処するため,新しい測地変形変換モジュールを提案する。 より多くの研究者がこの領域を調査するよう促すため、データセットと関連するコードをリリースします。
  論文  参考訳（メタデータ） (2022-08-08T08:32:56Z)
• Multi-Drone based Single Object Tracking with Agent Sharing Network [74.8198920355117]
  マルチDroneシングルオブジェクト追跡データセットは、92のビデオクリップと113,918の高解像度フレーム、63のビデオクリップ、145,875の高解像度フレームで構成されている。 エージェント共有ネットワーク(ASNet)は、複数のドローンからターゲットの自己教師付きテンプレート共有とビューアウェア融合によって提案される。
  論文  参考訳（メタデータ） (2020-03-16T03:27:04Z)
• Detection and Tracking Meet Drones Challenge [131.31749447313197]
  本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。 当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
  論文  参考訳（メタデータ） (2020-01-16T00:11:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。