تتبع الأشياء المتعددة ثلاثي الأبعاد (MOT) يلتقط حالات الحركة المستقرة والشاملة للمعوقات المحيطة، وهي ضرورية للاستشعار الروبوتي. ومع ذلك، تواجه تتبعات 3D الحالية مشكلات في الدقة وثبات التأخير. في هذا البحث، نقترح طريقة فلترية سريعة وفعالة لتتبع الأشياء المتعددة ثلاثي الأبعاد تُسمى Fast-Poly. بناءً على عملنا السابق Poly-MOT، يعالج Fast-Poly عدم التناظر الدوراني للأجسام في الفضاء ثلاثي الأبعاد، ويحسن تكثيف الحسابات المحلية، ويستفيد من تقنية التوازي، مما يعزز سرعة الاستدلال والدقة. تم اختبار Fast-Poly بشكل مكثف على مقاييس تتبع ذات نطاق كبير باستخدام تنفيذ بلغة البرمجة بايثون. على مجموعة بيانات nuScenes، حقق Fast-Poly أداءً جديدًا رائدًا بـ 75.8% AMOTA بين جميع الطرق ويمكنه العمل بمعدل 34.2 صورة في الثانية على معالج شخصي. وعلى مجموعة بيانات Waymo، أظهر Fast-Poly دقة تنافسية بـ 63.6% MOTA وسرعة استدلال مpressive (35.5 صورة في الثانية). الرمز المصدر متاح للعموم على الرابط https://github.com/lixiaoyu2000/FastPoly.请注意，"impressive" 在阿拉伯语中被翻译为 "مressive" 是为了保持原文的表达，但通常情况下会翻译为 "ممتازة" 或 "مدهشة"。在这里，我选择了 "ممتازة" 来更好地适应阿拉伯语的阅读习惯。修正后的句子如下：على مجموعة بيانات Waymo، أظهر Fast-Poly دقة تنافسية بـ 63.6% MOTA وسرعة استدلال ممتازة (35.5 صورة في الثانية).