- MonoRace 无人机以约 62 英里每小时速度击败三位世界冠军。
- 该系统使用单一镜头和 IMU 进行导航，无需 GPS。
- MonoRace 通过强化学习直接生成电机指令，反应速度极快。
- 研究显示有限资源下也能提取出高效智能，推动 AI 发展。
一款透过单一镜头观察世界的赛车无人机在国际竞赛中击败了三位前世界冠军及所有其他自主参赛队伍，达到约 62 英里每小时（100 公里每小时）的速度，这是代尔夫特科技大学的研究人员报告的结果。该系统名为 MonoRace，是在代尔夫特科技大学航空工程系的 MAVLab 开发的。早期的自主赛车系统依赖多个传感器，而 MonoRace 则使用一个前向镜头和一个惯性测量单元（IMU）进行感知、导航和控制。
在赛车速度下，无人机几乎没有时间去解读模糊且扭曲的影像。神经网络会在每一帧中识别赛道门，而 IMU 及无人机动态模型则用于估计其位置和运动。该系统不涉及 GPS 或外部运动跟踪。软件还必须应对实际飞行中的故障，例如镜头干扰和传感器饱和。研究的主要作者 Stavrow Bahnam 表示：“我们开发了一种稳健的方法，将镜头看到的信息与无人机自身的运动信息结合，这让它能够在没有 GPS 的情况下导航。”
MonoRace 系统的独特设计
MonoRace 并未采用传统控制堆叠，该系统使用一个小型神经网络直接生成电机指令。它运行在一个微型的机载芯片上，飞行控制器以每秒 500 次的频率发出指令。研究人员通过强化学习对其进行训练，这使得它能够在考虑物理限制的情况下控制无人机。作者 Robin Ferede 表示，跳过首先规划飞行路径的步骤让控制器能够极快反应，并充分利用无人机的性能，同时保持小巧，能够在机载运行。
研究团队在 2025 年阿布扎比自主无人机赛事中测试了 MonoRace。组织者设计并运营了无人机及赛道环境，因此研究人员无法控制硬件或赛道。尽管如此，代尔夫特的无人机仍达到 100 公里每小时的速度，并击败了所有其他自主团队以及三位前世界冠军人类驾驶员。Christophe De Wagter 表示，目标并不是给机器人更强的传感器和计算机，而是看看在有限资源下能够提取多少智能。
赛车推动 AI 极限
赛车让 AI 必须快速、稳健，并能在缺乏外部参考测量的情况下适应。
代尔夫特科技大学的教授 Guido de Croon 表示，赛车是一种推动机器人 AI 到达极限的方式。在这里，团队优化了速度，但他表示同样的方法也可以优先考虑效率或安全性，例如为从小型吸尘器到大型岸基起重机等机器提供平稳且能源最佳的控制。研究人员相信这些原则可以帮助许多自主系统，包括车辆、移动机器人以及未来的空中和类人机器，以有限的机载计算能力做出快速、可靠的决策。
该研究首次发表于《Science Robotics》杂志。
MonoRace 对自主系统的影响
MonoRace 的成功不仅展示了无人机在极端条件下的性能，还凸显了在资源有限的情况下，如何通过创新技术提升自主系统的智能能力。这种方法不依赖传统的多传感器配置，反而利用单一镜头和内部运动信息，显示出未来自主系统在各种应用中的潜力，无论是交通运输还是工业自动化，均可受益于这种高效的控制策略。