現在の3次元単一物体追跡手法は、目標テンプレートと探索領域との特徴量比較に基づいて目標を追跡します。しかし、LiDARスキャンにおける一般的な遮蔽のため、極端に疎で不完全な形状に対して正確な特徴量比較を行うことは容易ではありません。本研究では、最初のフレームで与えられる真値バウンディングボックスを強力な手がかりとして利用し、目標物体の特徴量記述を強化することで、より正確な特徴量比較をシンプルかつ効果的な方法で実現しました。特に、我々はまずBoxCloudという情報豊かで堅牢な表現手法を提案し、点群とバウンディングボックスの関係を使用して物体を描写します。さらに、このBoxCloudを利用した効率的なボックス認識特徴融合モジュール（box-aware feature fusion module）を設計し、信頼性のある特徴マッチングと埋め込みを行います。これらの提案された一般的なコンポーネントを既存モデルP2Bに統合することで、優れたボックス認識追跡器（Box-Aware Tracker: BAT）を構築しました。実験結果は、KITTIおよびNuScenesベンチマークにおいて、提案したBATが以前の最先端手法よりも大幅に優れていることを確認しています。精度に関して15.2%の向上が見られるとともに、約20%高速に動作します。