指代式多目标跟踪

RefAV：迈向以规划为中心的场景挖掘

RefAV: Towards Planning-Centric Scenario Mining

把「场景挖掘」形式化为基于自然语言查询的时空指代定位任务，可直接复用指代式多目标跟踪（referential MOT）的设定与评测协议；同时给出「现成 VLM 直接套用效果差」的实证，提示做视觉-语言 grounding 的研究者需要针对多智能体交互与长时驾驶日志设计专门的时序聚合与轨迹级指代建模。