面向部署的行人跟踪评估协议：在检测间隙和近邻场景中揭示HOTA之外的能力差异

如何在不依赖聚合分数的情况下，评估3D行人跟踪器在真实机器人部署中的行为？

移动机器人在行人密集环境中需要轨迹及时、空间可信、身份保持且计算量受限，但现有MOT评估依赖聚合分数如HOTA，无法揭示跟踪器何时以及如何失败；同时，不同检测器输入会混淆跟踪器与检测器的质量，导致难以判断跟踪器本身的性能。

此前做法主要使用聚合指标（如MOTA、IDF1、HOTA）在自动驾驶数据集（KITTI、nuScenes、Waymo）上评估跟踪器，这些数据集以车辆为中心，与行人近距离交互场景差异较大。共享检测在2D MOT基准中已使用，但未在3D MOT和机器人行人跟踪基准中强制执行。跟踪器通常在不同检测输入下比较，导致分数同时反映检测器和跟踪器行为，无法单独评价跟踪器设计。

新协议使用共享检测来隔离跟踪器行为，定义轨迹级别的成功测试：初始化延迟、检测器间隙中的持续输出、间隙后身份恢复、近邻关联，并测量Jetson Orin上的每步运行时间随检测负载变化。同时实现PedRefTrack，一个轻量级行人参考跟踪器，以及GT-assisted变体，用GT身份和位移理想化关联和运动估计，以估计剩余性能差距。协议在JRDB数据集上实例化，共27个测试序列，使用STEAM-LO里程计和Person-MinkUNet检测（得分≥0.5），并修正了官方3D-IoU评估器。

在JRDB测试集上，共享检测下非GT跟踪器HOTA范围为24.26%（GNN-PMB）到29.67%（PedRefTrack），GT-assisted PedRefTrack达到33.33%，高出3.66个百分点。1.0秒检测器间隙中，GT-assisted成功保持身份且空间接受的比率为86.8%，SimpleTrack为45.4%，PedRefTrack为37.0%，其余方法低于1%。0.5秒间隙后身份恢复率：Fast-Poly 78.9%，GNN-PMB 59.8%，CBMOT 75.1%；1.5秒时PedRefTrack 69.8%，Fast-Poly 55.8%，SimpleTrack 50.0%，CBMOT 41.9%，AB3DMOT、GNN-PMB、ELPTNet低于5%。近邻距离从0.7-0.8米降至0.3-0.4米，连续性失败率上升，PedRefTrack增加2.3个百分点，GNN-PMB增加13.5个百分点。到0.5秒，39.1%-56.0%的轨迹起点被稳定建立。在Jetson Orin 64GB（无GPU）上，中位数FPS从SimpleTrack 2.23到CBMOT 315.25；Fast-Poly在约45个检测时低于10Hz，PedRefTrack在75-80检测时仍保持约15.2 FPS。GT-derived扰动下，PedRefTrack和Fast-Poly的HOTA缺陷增长最小。

作者承认的局限包括：仅使用JRDB一个数据集和单一检测器操作点；GT-derived扰动不反映真实学习检测器的完整误差结构；跟踪器配置为HOTA调优，阈值和时域选择固定；运行时仅测量跟踪器步骤，未包含完整感知和导航栈；评估测试是部署代理指标而非直接导航指标。此外，未报告多次试验的统计显著性，也未在不同机器人平台或嵌入式硬件上验证。