- MonoRace 無人機以約 62 英里每小時速度擊敗三位世界冠軍。
- 該系統使用單一鏡頭和 IMU 進行導航，無需 GPS。
- MonoRace 透過強化學習直接生成馬達指令，反應速度極快。
- 研究顯示有限資源下也能提取出高效智能，推動 AI 發展。
一款透過單一鏡頭觀察世界的賽車無人機在國際競賽中擊敗了三位前世界冠軍及所有其他自主參賽隊伍，達到約 62 英里每小時（100 公里每小時）的速度，這是代爾夫特科技大學的研究人員報告的結果。該系統名為 MonoRace，是在代爾夫特科技大學航空工程系的 MAVLab 開發的。早期的自主賽車系統依賴多個傳感器，而 MonoRace 則使用一個前向鏡頭和一個慣性測量單元（IMU）進行感知、導航和控制。
在賽車速度下，無人機幾乎沒有時間去解讀模糊且扭曲的影像。神經網絡會在每一幀中識別賽道門，而 IMU 及無人機動態模型則用於估計其位置和運動。該系統不涉及 GPS 或外部運動跟蹤。軟件還必須應對實際飛行中的故障，例如鏡頭幹擾和傳感器飽和。研究的主要作者 Stavrow Bahnam 表示：「我們開發了一種穩健的方法，將鏡頭看到的資訊與無人機自身的運動資訊結合，這讓它能夠在沒有 GPS 的情況下導航。」
MonoRace 系統的獨特設計
MonoRace 並未採用傳統控制堆疊，該系統使用一個小型神經網絡直接生成馬達指令。它運行在一個微型的機載晶片上，飛行控制器以每秒 500 次的頻率發出指令。研究人員通過強化學習對其進行訓練，這使得它能夠在考慮物理限制的情況下控制無人機。作者 Robin Ferede 表示，跳過首先規劃飛行路徑的步驟讓控制器能夠極快反應，並充分利用無人機的性能，同時保持小巧，能夠在機載運行。
研究團隊在 2025 年阿布達比自主無人機賽事中測試了 MonoRace。組織者設計並運營了無人機及賽道環境，因此研究人員無法控制硬件或賽道。儘管如此，代爾夫特的無人機仍達到 100 公里每小時的速度，並擊敗了所有其他自主團隊以及三位前世界冠軍人類駕駛員。Christophe De Wagter 表示，目標並不是給機器人更強的傳感器和計算機，而是看看在有限資源下能夠提取多少智能。
賽車推動 AI 極限
賽車讓 AI 必須快速、穩健，並能在缺乏外部參考測量的情況下適應。
代爾夫特科技大學的教授 Guido de Croon 表示，賽車是一種推動機器人 AI 到達極限的方式。在這裡，團隊優化了速度，但他表示同樣的方法也可以優先考慮效率或安全性，例如為從小型吸塵機到大型岸基起重機等機器提供平穩且能源最佳的控制。研究人員相信這些原則可以幫助許多自主系統，包括車輛、移動機器人以及未來的空中和類人機器，以有限的機載計算能力做出快速、可靠的決策。
該研究首次發表於《Science Robotics》雜誌。
MonoRace 對自主系統的影響
MonoRace 的成功不僅展示了無人機在極端條件下的性能，還突顯了在資源有限的情況下，如何透過創新技術提升自主系統的智能能力。這種方法不依賴傳統的多傳感器配置，反而利用單一鏡頭和內部運動資訊，顯示出未來自主系統在各種應用中的潛力，無論是交通運輸還是工業自動化，均可受益於這種高效的控制策略。