ReferTrack: Referring Then Tracking for Embodied Visual Tracking

• 类型：arxiv
• 标识：2607.20061
• 链接：https://arxiv.org/abs/2607.20061
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：ReferTrack is introduced, a referring-then-tracking paradigm that grounds EVT using a single forward-facing camera, and real-world deployments on legged and humanoid robots validate its robust sim-to-real transfer capabilities.
• OpenAlex ID：W7170172133
• OpenAlex DOI：10.48550/arxiv.2607.20061
• DOI：10.48550/arxiv.2607.20061
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.20061
• OpenAlex更新：2026-08-24
• 待LLM分类：否
• 标题中文：ReferTrack：先指代再跟踪的具身视觉跟踪
• TLDR中文：提出 ReferTrack，一种"先指代后跟踪"的范式，仅使用单个前向摄像头完成 EVT grounding，在四足机器人和人形机器人上的真实部署验证了其稳健的 sim-to-real 迁移能力。
• 来源文件：
• /inbox/tom/_candidates/2026-07-24-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]