在三维空间中，机动目标跟踪因复杂的运动动态和模型不匹配而面临挑战。为了解决这一问题，本文提出了一种名为 IMMNet 的混合模型/数据驱动算法，该算法将可解释的交互多模型（IMM）结构与可学习的神经网络组件相结合。与端到端的黑箱方法不同，IMMNet 不仅能够保留对实时雷达应用至关重要的贝叶斯推理机制，还能根据数据自适应学习运动模式和噪声特性。大量实验表明，IMMNet 算法在各种场景中始终优于现有算法，验证了其作为机动目标跟踪的稳健、可解释且实用的解决方案。
博主点评： IMMNet 的提出为解决机动目标跟踪中的动态复杂性提供了新思路，通过结合可解释性与学习能力，提升了算法的实用性与准确性，显示出在实时应用中的巨大潜力。其在模型与数据驱动的融合上，或将成为未来研究的一个重要方向。