تعتبر عملية تتبع وكشف أي كائن، بما في ذلك الكائنات التي لم تُرَ من قبل خلال تدريب النموذج، مهارة بالغة الأهمية لكنها صعبة التحقيق في الأنظمة المستقلة. فعندما يكون الوكيل المستقل عاجزًا عن رؤية الكائنات التي لم يسبق له رؤيتها، فإنه يشكل خطرًا على السلامة عند التشغيل في العالم الحقيقي – وهذا بالضبط الطريقة التي تعمل بها معظم الأنظمة الحالية. أحد العوائق الرئيسية أمام تطوير قدرة تتبع أي كائن هو صعوبة تقييم هذه المهمة بشكل موثوق. إن وجود معيار تقييم يتيح لنا مقارنة مباشرة بين الجهود الحالية يعد خطوة أولى حاسمة نحو تطوير هذا المجال البحثي المهم. تتناول هذه الورقة نقص التقييم المذكور، وترسم الخريطة وتحدد منهجية التقييم للكشف عن الكائنات المُعَرَّفة وغير المُعَرَّفة، مع التركيز على البيئة المفتوحة. نقترح معيارًا جديدًا يُسمى TAO-OW: تتبع أي كائن في بيئة مفتوحة، ونحلل الجهود الحالية في مجال تتبع الكائنات المتعددة، ونُنشئ قاعدة مقارنة (baseline) لهذا المهمة مع تسليط الضوء على التحديات المستقبلية. نأمل أن نفتح جبهة جديدة في بحوث تتبع الكائنات المتعددة، والتي قد تقربنا خطوة نحو أنظمة ذكية قادرة على العمل بأمان في العالم الحقيقي.