تُفترض في الطرق القائمة على مرشح كالمان (KF) لتتبع الكائنات المتعددة (MOT) أن الكائنات تتحرك بشكل خطي. ورغم أن هذه الافتراضات مقبولة لفترات قصيرة من التغطية، فإن تقديرات الحركة الخطية لفترات طويلة قد تكون غير دقيقة بشكل كبير. علاوةً على ذلك، عندما لا تتوفر قياسات لتحديث معلمات مرشح كالمان، فإن الممارسة القياسية هي الاعتماد على التقديرات السابقة للحالة لاستخدامها في التحديث اللاحق، مما يؤدي إلى تراكم الأخطاء خلال فترات التغطية. ويسبب هذا الخطأ تبايناً كبيراً في اتجاه الحركة في التطبيقات العملية. في هذا العمل، نُظهر أن مرشح كالمان الأساسي لا يزال قادرًا على تحقيق أداء متميز في التتبع إذا تم اتخاذ إجراءات مناسبة لتصحيح الضوضاء المتراكمة خلال فترات التغطية. بدلًا من الاعتماد فقط على التقدير الخطي للحالة (أي النهج المتمحور حول التقدير)، نستخدم ملاحظات الكائنات (أي القياسات الناتجة عن كاشف الكائنات) لحساب مسار افتراضي خلال فترة التغطية، بهدف تصحيح تراكم الأخطاء في معلمات المرشح خلال تلك الفترة. وهذا يسمح بزيادة عدد الخطوات الزمنية الممكنة لتصحيح الأخطاء المتراكمة أثناء التغطية. ونُسمي طريقتنا "أو-سي-أو-أر-تي" (OC-SORT)، وهي ببساطة، مباشرة، وفعالة في الوقت الحقيقي، لكنها تُحسّن الموثوقية أثناء التغطية والحركة غير الخطية. وباستخدام كاشفات جاهزة كمدخلات، يعمل OC-SORT بسرعة تزيد عن 700 إطار في الثانية على وحدة معالجة مركزية واحدة. ويحقق أداءً متميزًا على العديد من المجموعات البيانات، بما في ذلك MOT17، MOT20، KITTI، تتبع الرؤوس، وخصوصًا DanceTrack، حيث تكون حركة الكائنات غير خطية إلى حد كبير. يمكن الوصول إلى الكود والنماذج من خلال الرابط التالي: \url{https://github.com/noahcao/OC_SORT}.