تلعب التتبع متعدد الأجسام عبر الإنترنت (MOT) دورًا محوريًا في الأنظمة المستقلة. تُستخدم غالبًا في الطرق الحديثة أسلوب التتبع من خلال الكشف، حيث تُعد عملية توصيل البيانات محورًا حاسمًا. يقترح هذا البحث مُتتبعًا معياريًا يُسمى LEGO (التعلم والتحسين الرسومي)، والذي يهدف إلى تحسين أداء توصيل البيانات في الأدبيات الحالية. يدمج المُتتبع المُقترح تقنيات التحسين الرسومي مع آليات الانتباه الذاتي، مما يُمكّن من صياغة خريطة نقاط التوصيل بشكل فعّال، ما يسهل عملية التوافيق الدقيقة والفعّالة للأجسام عبر الإطارات الزمنية. ولتعزيز عملية تحديث الحالة بشكل أكبر، تم إدخال مرشح كالمان لضمان التتبع المستمر من خلال دمج التماسك الزمني في حالات الأجسام. وقد أظهرت الطريقة المقترحة، التي تعتمد فقط على بيانات ليدار، أداءً استثنائيًا مقارنةً بطرق التتبع عبر الإنترنت الأخرى، بما في ذلك الطرق القائمة على ليدار فقط والطرق المدمجة بين ليدار وكاميرا. واحتل مُتتبع LEGO المرتبة الأولى عند إرسال النتائج إلى لوحة التقييم الخاصة بمسابقة تتبع الأجسام في KITTI، وظل في المرتبة الثانية عند إرسال هذا البحث، ضمن جميع مُتتبعي التتبع عبر الإنترنت في معيار KITTI MOT للسيارات.