DeTrack：面向无人机具身跟踪的基准与高度感知双世界模型

arXiv 2026 59.4 method, benchmark, application

TLDR

用于交互式3D环境中无人机具身跟踪的基准和高度感知双世界模型

评分理由

The paper introduces a novel task and benchmark (DeTrack) with a large-scale dataset, and proposes AaDWorlds, a dual world model that addresses altitude-mediated trade-offs. Strengths include a well-defined problem and comprehensive evaluation; weaknesses include lack of real-world validation and potential over-reliance on simulated environments.

Read-first 评分解释

综合优先阅读分 59.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 43。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

91.1

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.91088706

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、实验、指标

主题相关性 29%

61.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：394。

关键词评分

world model

interactive world model

generative world model

world dynamics prediction

model-based reinforcement learning world model

video world model

world simulator

深度分析

创新点

定义了一个新的无人机具身跟踪任务（DeTrack），要求在交互式3D环境中进行主动感知和闭环飞行控制
构建了一个大规模基准，包含11,368条目标轨迹，涵盖多样场景、渲染条件、语义区域和移动干扰物，并提供了目标可见性、跟踪精度和轨迹成功率的评估指标
提出了AaDWorlds，一种高度感知双世界模型框架，利用伪高度感知观测和想象未来状态来平衡目标可见性与飞行安全

方法

本文介绍了DeTrack基准和AaDWorlds框架。AaDWorlds包含一个高度感知模块和双世界模型，可在高、低空模式下生成想象未来状态。该框架结合伪高度感知观测与想象状态，以解决高度介导的目标可见性与飞行安全之间的权衡。基准包含11,368条轨迹，涵盖多样场景、渲染条件、语义区域和移动干扰物，并使用目标可见性、跟踪精度和轨迹成功率作为评估指标。

关键结果

在DeTrack基准上的实验表明，AaDWorlds在所有评估指标上均提升了闭环跟踪性能。

资源

论文