Se ha logrado un progreso significativo en las tareas de seguimiento de objetos gracias a la aplicación del aprendizaje profundo. Sin embargo, los métodos actuales de seguimiento de objetos basados en redes neuronales profundas a menudo dependen de apilar sub-módulos e introducir estructuras complejas para mejorar la precisión del seguimiento. Desafortunadamente, estos enfoques son ineficientes y limitan la viabilidad de implementar rastreadores eficientes en dispositivos de IA para drones. Para abordar estos desafíos, este documento presenta ConcatTrk, un método de seguimiento de objetos de alta velocidad diseñado específicamente para dispositivos de IA para drones. ConcatTrk utiliza una arquitectura de red ligera, lo que permite el seguimiento en tiempo real en dispositivos de borde. Específicamente, el método propuesto utiliza principalmente la operación de concatenación para construir sus pasos de seguimiento centrales, incluyendo la fusión de características a múltiples escalas, la coincidencia de características intra-cuadro y la actualización dinámica de plantillas, que tienen como objetivo reducir la sobrecarga computacional del rastreador. Para garantizar el rendimiento del seguimiento en escenarios de seguimiento de UAV, ConcatTrk implementa un operador de coincidencia de características aprendible junto con una rama de restricción de plantilla simple y eficiente, que permite un seguimiento preciso al coincidir características de manera discriminativa e incorporar actualizaciones periódicas de plantillas. Los resultados de experimentos exhaustivos en bancos de pruebas populares, incluyendo UAV123, OTB100 y LaSOT, muestran que ConcatTrk ha logrado una precisión prometedora y alcanzado una velocidad de seguimiento de 41 FPS en un dispositivo de IA de borde, Nvidia AGX Xavier. ConcatTrk funciona 8 veces más rápido que el rastreador SOTA TransT mientras utiliza 4.9 veces menos FLOPs. Las pruebas en el mundo real en la plataforma de drones han validado fuertemente su viabilidad, incluyendo velocidad de seguimiento en tiempo real, precisión confiable y bajo consumo de energía.