본 논문은 시각 언어 모델(VLMs)을 활용하여 구현된 시각 추적(EVT)의 성능을 향상시키는 새로운 자기 개선 프레임워크를 제시합니다. 기존 능동 시각 추적 시스템의 추적 실패 복구 한계를 해결하기 위해, 일반적인 추적에는 빠른 시각 정책을 사용하고, 실패 감지 시에만 VLM 추론을 활성화하는 방식을 채택했습니다. 메모리 증강 자기 반성 메커니즘을 통해 VLM이 과거 경험으로부터 학습하여 점진적으로 개선되도록 하여, 3D 공간 추론에서 VLMs의 한계를 효과적으로 해결합니다. 실험 결과, 최첨단 RL 기반 방법에서는 성공률을 72% 향상시켰고, PID 기반 방법에서는 220% 향상시키는 등, 동적이고 구조화되지 않은 환경에서 지속적인 표적 모니터링이 필요한 실제 로봇 응용 분야에 상당한 발전을 제공합니다.
