AI-translated from English; not yet reviewed by a fluent editor.

# Die MonoRace-Studie der TU Delft erklärt das Drohnenrennsystem mit einer Kamera

> Ein neuer Beitrag in Science Robotics beschreibt Kamera, IMU und Bordsteuerung, die hinter einem Drohnenrennsieg 2025 standen. Das Ergebnis gilt nur für einen bekannten Wettkampfkurs.

By BIG CHANGE Editorial

Published: 2026-10-15T06:59:17.849Z
Updated: 2026-10-15T06:59:17.849Z
Canonical: https://bigchange.ai/blog/tudelft-monorace-one-camera-autonomous-drone-racing

![Conceptual charcoal illustration of an unbranded quadrotor flying toward a freestanding orange-edged gate on an open field.](https://bigchange.ai/api/media/file/monorace-drone-gate-concept-v2.png)
AI-generated conceptual illustration by BIG CHANGE; no actual MonoRace aircraft, A2RL event or race result is depicted.

Forschende der TU Delft veröffentlichten die Methode hinter MonoRace am 14. Oktober 2026 in [*Science Robotics*](https://doi.org/10.1126/scirobotics.aee9250). Das erklärte Ergebnis liegt länger zurück: Die Drohne gewann im April 2025 die Abu Dhabi Autonomous Drone Racing Competition. Der Beitrag beschreibt im Detail, wie eine nach vorn gerichtete Kamera, eine inertiale Messeinheit (IMU) und ein kleines Bordnetz zur Steuerung bei Renngeschwindigkeit zusammenarbeiteten.

Der [zugängliche Vorabdruck der Autoren](https://arxiv.org/html/2601.15222v1), eingereicht am 21. Januar 2026, berichtet von Siegen gegen die anderen autonomen Teams und drei menschliche Weltmeister in einem K.-o.-Wettbewerb. MonoRace habe auf dem Wettkampfkurs ohne externe Bewegungsverfolgung bis zu 100 km/h erreicht. [Die Campus-Publikation der TU Delft meldete den Sieg](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi) im April 2025. BIG CHANGE hat das System nicht getestet.

## Die wesentliche Neuerung

- **Was sich geändert hat:** Der Beitrag vom Oktober 2026 beschreibt, wie das Team nach Stößen oder Reparaturen die Kameraausrichtung von MonoRace mithilfe von Bordflugbildern und bekannten Torformen neu justierte – ohne externe Bewegungsverfolgung.
- **Warum das wichtig ist:** Drohnenrennteams, die mehrere Fluggeräte bewerten, müssen die Kollisionsvermeidung gesondert prüfen. MonoRace belegte beim Mehrdrohnen-Wettbewerb den dritten Platz, weil diese Fähigkeit fehlte, obwohl es die Einzel- und Mensch-gegen-Maschine-Rennen gewann.
- **Worauf zu achten ist:** Ergebnisse auf einem markierten Kurs belegen weder Zuverlässigkeit abseits der Strecke noch allgemeine Navigation, Sicherheit im Einsatz, kommerzielle Verfügbarkeit oder Übertragbarkeit auf andere Roboter.

## Vom Torbild zum Motorbefehl

Die Wettbewerbsdrohne nutzte eine Kamera und eine IMU zur Bewegungsmessung. Die Rolling-Shutter-Kamera lieferte Bilder an einen Bordcomputer, wo ein neuronales Netz die Renntore markierte. Die Software fand anschließend die Torecken, glich sie mit der erwarteten Ansicht ab und kombinierte die visuelle Positionsschätzung mit IMU-Messwerten in einem Zustandsschätzer. Ein Modell der Drohnendynamik half dem Schätzer, wenn harte Manöver den Beschleunigungssensor über seinen Messbereich hinaus belasteten, laut der [Methode der Studie](https://arxiv.org/html/2601.15222v1).

Die Forschenden nutzten außerdem Flugaufzeichnungen, um die Kalibrierung zwischen den Läufen zu verbessern. Sie verglichen, wo Tore bekannter Form und Größe im Kamerabild erscheinen sollten, mit den Fundstellen des Segmentierungssystems. Diese Offline-Anpassung war besonders hilfreich, um nach einer Reparatur oder einem Aufprall Position und Winkel der Kamera relativ zur Drohne zu verfeinern. Sie stützte sich auf das Wissen über die Renntore und benötigte keine externe Bewegungsverfolgung.

Der geschätzte Zustand ging dann an ein kleines neuronales Führungs- und Steuerungsnetz auf dem Flugregler. Im Simulator trainiert, schickte es 500-mal pro Sekunde Befehle direkt an die Motoren und umging dabei einen separaten inneren Regelkreis. Die Kamerabilder wurden auf einem bordeigenen NVIDIA Jetson Orin NX verarbeitet; das 500-Hz-Netz lief auf dem Flugregler. Bildprozessor und 500-Hz-Motorsteuerung waren getrennte Bordhardware.

## Was das Rennen belegt

Den Forschenden zufolge gewann MonoRace 2025 die Einzelwertung des Grand Challenge und den K.-o.-Wettbewerb KI gegen Menschen. Die Studie hält auch den dritten Platz im Mehrdrohnenrennen fest, in dem die Kollisionsvermeidung fehlte. Gezeigt wurde ein schneller Flug um einen bekannten Torkurs unter Wettkampfbedingungen, bei dem Wahrnehmung und Steuerung vollständig an Bord erfolgten und keine externe Bewegungsverfolgung eingesetzt wurde. Die Studie belegt weder allgemeine Navigation noch eine Sicherheitsbilanz im Einsatz, kommerzielle Verfügbarkeit oder Übertragbarkeit auf andere Robotertypen.

Ein früheres System, [Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/), schlug bei Rennen auf einem Hallenkurs menschliche Meisterpiloten mithilfe bordeigener Sensoren. Die Forschung dazu nutzte während der Entwicklung stereoskopische visuell-inertiale Sensorik und Motion-Capture-Daten. Der berichtete Fortschritt von MonoRace ist ein Wettkampfergebnis mit einer visuellen Kamera und einer Bord-IMU, kombiniert mit einem torgestützten Schätzer und direkter Motorsteuerung. Die Studien nutzten unterschiedliche Strecken und Veranstaltungen; ihre Zeiten erlauben deshalb keinen direkten Vergleich der Geschwindigkeit.

## Quellen und weiterführende Lektüre

- [Autoren-Preprint zu MonoRace](https://arxiv.org/html/2601.15222v1), eingereicht am 21. Januar 2026. Dieser zugängliche Bericht zu Methoden und Ergebnissen diente als Grundlage des Artikels; der spätere Zeitschriftenbeitrag ist separat verlinkt.
- [*Science Robotics*-Eintrag der Fachzeitschrift](https://doi.org/10.1126/scirobotics.aee9250), veröffentlicht am 14. Oktober 2026. Die DOI der Fachzeitschrift und die [Bibliografie der TU-Delft-Mitteilung](https://www.brightsurf.com/news/8Y4G736L/the-science-behind-the-worlds-fastest-autonomous-racing-drone.html) stützen die Veröffentlichungsangaben. Die vollständige Verlagsseite war bei dieser Prüfung nicht zugänglich; die technischen Einzelheiten oben werden daher dem Preprint zugeschrieben.
- [Der Rennbericht von TU Delft Delta vom 16. April 2025](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi) dokumentiert die zeitgenössische Berichterstattung über den Sieg in Abu Dhabi.
- [Die Swift-Forschungsarbeit](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/) bietet einen begrenzten Vergleich mit dem früheren System.

## Sources

- [MonoRace: Drohnenrennen auf Meisterschaftsniveau mit robuster monokularer KI, Autoren-Preprint v1](https://arxiv.org/html/2601.15222v1)
- [MonoRace, DOI des Science-Robotics-Beitrags](https://doi.org/10.1126/scirobotics.aee9250)
- [Die Wissenschaft hinter der schnellsten autonomen Renndrohne der Welt, Bibliografie der TU-Delft-Mitteilung](https://www.brightsurf.com/news/8Y4G736L/the-science-behind-the-worlds-fastest-autonomous-racing-drone.html)
- [KI-Drohne der TU Delft übertrifft menschliche Piloten bei der Weltmeisterschaft in Abu Dhabi, Delta](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi)
- [Drohnenrennen auf Meisterschaftsniveau mit tiefem bestärkendem Lernen, Nature](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/)