2025_NIPS_Open-World Drone Active Tracking with Goal-Centered Rewards

文章核心总结

本文针对开放世界无人机主动跟踪的基准缺失和复杂环境适应性问题，提出了首个开放世界无人机空对地主动跟踪基准DAT和强化学习方法GC-VAT。DAT提供24个城市级场景、高保真动力学模拟和数字孪生场景生成工具；GC-VAT通过目标中心奖励函数和课程式训练策略，实现了72%的模拟器跟踪成功率，在真实场景中也表现出强鲁棒性。

主要创新点

1. 首个开放世界基准DAT：涵盖24个城市级场景，支持无人机和地面机器人两种追踪器，具备高保真动力学模拟和数字孪生无限场景生成功能，可模拟类人目标行为。
2. 目标中心奖励函数（Goal-Centered Reward）：基于图像平面投影偏差设计，解决固定视角限制问题，提供跨视角精确反馈，扩大无人机感知和移动范围。
3. 课程式训练策略（Curriculum-Based Training）：从简单无遮挡场景逐步过渡到复杂场景，结合领域随机化，提升模型收敛速度和复杂环境适应性。
4. 多维度实验验证：在模拟器、真实图像和实体无人机上验证，涵盖跨场景、跨域（不同天气）、抗干扰（风、雨、遮挡）等测试，表现优于现有SOTA方法。

翻译部分（Markdown格式）

Abstract

无人机视觉主动跟踪（Drone Visual Active Tracking）旨在通