従来の物体追跡の方法は、物体を検出してから追跡を行う。この方法には、ヒューリスティックなマッチングステップにマッチング規則の手作りと関連パラメータのチューニングが必要であるというメリットがある。新手法は、点群データから物体検出と追跡を一体化し、追跡されたオブジェクトの関連付、新オブジェクトの検出、デッドトラック排除を単一のモデルに統合する。

　nuScenesとWaymo Open という二つの大規模のデータセットでテストを行い、最先端の方法に比べて遜色のない追跡結果を示した。

　新手法は、追跡システムに対して複雑さを下げる同時に、高い汎用性を備えさせる。 　従来手法のデメリットについて、まず、手作りの規則はエンジニアの分野と経験によるもので、効果はデータによる自主学習に劣る。そして、車、人、バイクなどの各カテゴリにパラメータのチューニングが必要であるため、時間がかかる。最後、汎用性が低い。シーンに基づいたチューニングしたパラメータは、他のシーンに適用した効果が悪い。