CTRL系统（全称＂一经检测，永不丢失＂）的核心创新在于彻底改变了思考问题的方式。它不再把每一帧都看作独立的个体，而是像人类标注者一样，从整个物体轨迹的角度思考问题。这种转变听起来很简单，实际上却是一场思维革命。 CTRL系统的工作流程分为三个关键步骤。首先，它使用基础检测器（如FSD）获取初步的物体检测结果。这个检测器会处理多帧点云数据，不仅包括过去的帧，还包括未来的帧，这在离线处理场景下是可行的。实际实现中，系统不是连续处理所有帧，而是采用跳帧策略，比如从9帧中采样，覆盖t-8到t+8的时间范围。这样既能获取长时间的信息，又能减少计算负担。 系统的第二步是最具创新性的双向追踪模块。常规的追踪只能向前进行，也就是说，只有当一个物体被检测到后，才能在后续帧中追踪它。但CTRL打破了这个限制，引入了双向追踪的概念。它不仅向前追踪物体，填补可能的缺失帧，还能向后追溯，找到物体第一次出现的时刻。 举个例子，假设在t_i时刻，检测器首次识别出一辆车。传统系统只能从t_i开始追踪这辆车。但CTRL会问：＂这辆车之前在哪里？＂它会根据物体的运动模型，向后推算物体在t_i之前的位置，直到物体可能刚进入感知范围的时刻t_0。同时，它也会向前追踪，直到物体离开感知范围的时刻t_N。这样，一个本来可能只在少数几帧中被检测到的物体，变成了一个完整的从出现到消失的轨迹。 值得注意的是，虽然双向追踪能大幅减少漏检（在超过100万个车辆物体中，只有0.48%会被完全错过），但它生成的一些框可能位置不够精确，尤其是在物体点云非常稀疏的情况下。这就引出了系统的第三个核心组件：轨迹中心学习模块。 这个模块的独特之处在于它处理的基本单位不是单个物体，而是整个轨迹。它采用多入多出（MIMO）的方式，一次输入一条完整轨迹的所有点云和初步预测框，同时输出这条轨迹上所有时刻的精修预测结果。相比传统的多入单出（MISO）方式，MIMO不仅训练效率高（计算资源利用率提升30倍以上），还能更好地利用整个轨迹的全局信息。 在实际操作中，系统会先扩大轨迹中的每个预测框，确保包含完整的物体点云。然后将每一帧的点云转换到轨迹第一帧的坐标系下，并添加时间戳编码来区分不同时刻的点云。这样处理后的数据会被送入一个特殊设计的神经网络，进行特征提取和位置精修。 与传统方法不同，CTRL的标签分配也是基于轨迹的。它首先计算预测轨迹和真实轨迹之间的＂轨迹IoU＂（交并比），然后只有当这个值超过阈值时，才会将真实轨迹分配给预测轨迹。这种方法比单纯基于单帧IoU的分配更稳健，能更好地处理轨迹中的困难帧。