- Die MonoRace-Drohne besiegt drei Weltmeister mit etwa 62 Meilen pro Stunde.
- Das System nutzt eine einzelne Kamera und eine IMU zur Navigation, ohne GPS.
- MonoRace erzeugt über bestärkendes Lernen direkt Motoranweisungen und reagiert extrem schnell.
- Die Forschung zeigt, dass sich auch mit begrenzten Ressourcen effiziente Intelligenz gewinnen lässt, was die KI-Entwicklung voranbringt.
Eine Renn-Drohne, die die Welt durch eine einzige Kamera wahrnimmt, hat bei einem internationalen Wettbewerb drei ehemalige Weltmeister und alle anderen autonomen Teilnehmerteams besiegt und dabei eine Geschwindigkeit von rund 62 Meilen pro Stunde (100 Kilometer pro Stunde) erreicht, wie Forscher der Delft University of Technology berichten. Das System heißt MonoRace und wurde im MAVLab der Fakultät für Luft- und Raumfahrttechnik der Delft University of Technology entwickelt. Frühere autonome Rennsysteme stützten sich auf mehrere Sensoren; MonoRace nutzt dagegen eine nach vorn gerichtete Kamera und eine Inertiale Messeinheit (IMU) für Wahrnehmung, Navigation und Steuerung.
Bei Renn-Geschwindigkeiten bleibt der Drohne kaum Zeit, verschwommene und verzerrte Bilder zu interpretieren. Ein neuronales Netz erkennt in jedem Frame die Rennstreckentore, während IMU und Drohnendynamikmodell zur Schätzung von Position und Bewegung dienen. Das System nutzt weder GPS noch externe Bewegungsverfolgung. Die Software muss außerdem mit Störungen im realen Flug zurechtkommen, etwa Kamerastörungen und Sensorsättigung. Der Hauptautor der Studie, Stavrow Bahnam, sagte: „Wir haben eine robuste Methode entwickelt, die Informationen aus der Kamera mit Informationen über die Bewegung der Drohne selbst kombiniert. Dadurch kann sie ohne GPS navigieren.“
Das besondere Design des MonoRace-Systems
MonoRace verwendet keinen traditionellen Steuerungsstack; das System nutzt ein kleines neuronales Netz, das direkt Motoranweisungen erzeugt. Es läuft auf einem winzigen Bordrechner, und der Flugregler gibt 500-mal pro Sekunde Befehle aus. Die Forscher trainierten es mit bestärkendem Lernen, wodurch es die Drohne unter Berücksichtigung physikalischer Grenzen steuern kann. Autor Robin Ferede sagt, dass das Überspringen des Schritts, zuerst eine Flugroute zu planen, den Regler extrem schnell reagieren lässt und die Leistungsfähigkeit der Drohne voll ausnutzt, während er klein genug bleibt, um an Bord zu laufen.
Das Forschungsteam testete MonoRace beim Abu Dhabi Autonomous Drone Race 2025. Die Organisatoren entwarfen und betrieben die Drohne und die Rennstreckenumgebung, sodass die Forscher weder die Hardware noch die Strecke kontrollieren konnten. Dennoch erreichte die Drohne aus Delft eine Geschwindigkeit von 100 Kilometern pro Stunde und besiegte alle anderen autonomen Teams sowie drei ehemalige menschliche Weltmeister-Piloten. Christophe De Wagter sagte, das Ziel sei nicht gewesen, Robotern stärkere Sensoren und Computer zu geben, sondern zu sehen, wie viel Intelligenz sich mit begrenzten Ressourcen herausholen lässt.
Rennsport treibt KI an ihre Grenzen
Rennsport zwingt KI, schnell und robust zu sein und sich anzupassen, wenn externe Referenzmessungen fehlen.
Guido de Croon, Professor an der Delft University of Technology, sagt, Rennsport sei eine Möglichkeit, die KI in der Robotik an ihre Grenzen zu treiben. Hier habe das Team die Geschwindigkeit optimiert, doch dieselbe Methode könne auch Effizienz oder Sicherheit priorisieren, etwa für eine gleichmäßige und energieoptimale Steuerung von Maschinen von kleinen Staubsaugern bis zu großen landgestützten Kränen. Die Forscher sind überzeugt, dass diese Prinzipien vielen autonomen Systemen helfen können – Fahrzeugen, mobilen Robotern sowie künftigen luftgestützten und humanoiden Maschinen –, mit begrenzter Bordrechenleistung schnelle und zuverlässige Entscheidungen zu treffen.
Die Studie wurde erstmals in der Zeitschrift Science Robotics veröffentlicht.
Die Bedeutung von MonoRace für autonome Systeme
Der Erfolg von MonoRace zeigt nicht nur die Leistungsfähigkeit von Drohnen unter extremen Bedingungen, sondern unterstreicht auch, wie sich mit begrenzten Ressourcen durch innovative Technik die Intelligenz autonomer Systeme steigern lässt. Diese Methode setzt nicht auf herkömmliche Multisensor-Konfigurationen, sondern nutzt eine einzelne Kamera und interne Bewegungsinformationen. Damit zeigt sie das Potenzial autonomer Systeme in vielfältigen Anwendungen – ob im Transportwesen oder in der industriellen Automatisierung –, die von dieser hocheffizienten Steuerungsstrategie profitieren können.