Markdown edition

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

# Ipinaliliwanag ng papel ng MonoRace ng TU Delft ang sistemang karera ng drone na iisang kamera ang gamit

> Inilalarawan ng bagong papel sa Science Robotics ang kamera, IMU at kontrol na sakay ng drone sa likod ng tagumpay sa karera noong 2025. Limitado ang resulta sa isang kilalang paligsahang kurso.

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.

Inilathala ng mga mananaliksik ng TU Delft ang pamamaraan sa likod ng MonoRace sa [*Science Robotics*](https://doi.org/10.1126/scirobotics.aee9250) noong Oktubre 14, 2026. Mas maaga ang resultang ipinaliliwanag nito: nanalo ang drone sa Abu Dhabi Autonomous Drone Racing Competition noong Abril 2025. Detalyado sa papel kung paano nagtulungan sa bilis ng karera ang isang kamerang nakaharap pasulong, isang inertial measurement unit (IMU), at isang maliit na network ng kontrol na sakay ng drone.

Iniuulat ng [naa-access na preprint ng mga may-akda](https://arxiv.org/html/2601.15222v1) na isinumite noong Enero 21, 2026, ang mga panalo laban sa iba pang autonomous team at tatlong kampeong pandaigdig sa isang knockout event. Sinasabi nitong umabot ang MonoRace sa hanggang 100 km/h sa paligsahang track nang walang panlabas na motion tracking. [Iniulat ng publikasyon sa kampus ng TU Delft ang panalo](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi) noong Abril 2025. Hindi sinubukan ng BIG CHANGE ang sistema.

## Ang malaking pagbabago

- **Ano ang nagbago:** Ipinaliliwanag ng papel noong Oktubre 2026 kung paano muling inayos ng team ang alignment ng kamera ng MonoRace matapos ang banggaan o pagkukumpuni, gamit ang mga onboard flight image at kilalang hugis ng gate, nang walang panlabas na motion tracking.
- **Bakit mahalaga:** Kailangang hiwalay na suriin ng mga team na nagtatasa ng maraming sasakyang panghimpapawid ang pag-iwas sa banggaan. Pangatlo ang MonoRace sa multi-drone event dahil wala itong kakayahang iyon, sa kabila ng mga panalo nito sa solo at karera laban sa tao.
- **Ano ang dapat bantayan:** Hindi pinatutunayan ng mga resulta sa markadong kurso ang pagiging maaasahan sa labas ng track, pangkalahatang nabigasyon, kaligtasan sa deployment, komersiyal na kakayahang magamit, o paglipat sa ibang robot.

## Mula larawan ng gate hanggang utos sa motor

Gumamit ang drone sa paligsahan ng isang visual camera kasama ng IMU na sumusukat ng galaw. Nagpadala ang rolling-shutter camera ng mga larawan sa onboard computer, kung saan minarkahan ng neural network ang mga racing gate. Pagkatapos, hinanap ng software ang mga sulok ng gate, inihambing ang mga ito sa inaasahang tanaw, at pinagsama ang pagtataya ng posisyong biswal sa mga basa ng IMU sa isang state estimator. Nakatulong ang modelo ng dinamika ng drone kapag lumampas sa saklaw ng accelerometer ang matitinding maniobra, ayon sa [pamamaraan ng papel](https://arxiv.org/html/2601.15222v1).

Gumamit din ang mga mananaliksik ng mga flight recording upang pagbutihin ang calibration sa pagitan ng mga takbo. Inihambing nila kung saan dapat lumitaw sa larawan ng kamera ang mga gate na alam ang hugis at laki at kung saan talaga nakita ang mga ito ng segmentation system. Lalo itong nakatulong sa offline na pagsasaayos ng puwesto at anggulo ng kamera kaugnay ng drone matapos itong kumpunihin o mabangga. Ginamit sa pagsasaayos ang kaalaman sa mga racing gate at hindi kinailangan ang panlabas na motion tracking.

Ipinadala naman ang tinantiyang estado sa maliit na neural guidance-and-control network sa flight controller. Sinanay ito sa simulation at direktang nagpadala ng mga utos sa motor nang 500 beses bawat segundo, lampas sa hiwalay na inner control loop. Pinroseso ang mga larawan ng kamera sa onboard na NVIDIA Jetson Orin NX; tumakbo naman sa flight controller ang network na 500 Hz. Magkahiwalay na onboard hardware ang image processor at ang 500 Hz motor controller.

## Ano ang pinatutunayan ng karera

Iniulat ng mga mananaliksik na nanalo ang MonoRace sa indibidwal na Grand Challenge at sa knockout competition ng AI laban sa tao noong 2025. Itinatala rin ng kanilang papel ang ikatlong puwesto sa multi-drone race, kung saan wala itong kakayahang umiwas sa banggaan. Ang naipakitang resulta ay mabilis na paglipad sa palibot ng kilalang kurso ng mga gate sa ilalim ng mga kundisyon ng paligsahan, habang onboard ang lahat ng perception at kontrol at walang panlabas na motion tracking. Hindi pinatutunayan ng papel ang pangkalahatang nabigasyon, rekord ng kaligtasan sa deployment, komersiyal na availability, o paglipat sa ibang uri ng robot.

Isang naunang sistema, [Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/), tinalo ang mga kampeong human pilot sa indoor course gamit ang onboard sensing sa mga karera nito. Gumamit ang pananaliksik nito ng stereo visual-inertial sensing at motion-capture data habang binubuo. Ang iniulat na pag-unlad ng MonoRace ay ang resulta sa paligsahan gamit ang iisang visual camera at onboard IMU, kasama ang estimator na nakabatay sa gate at direktang controller ng motor. Magkaiba ang track at event ng mga pag-aaral, kaya hindi direktang paghahambing ng bilis ng dalawang sistema ang kanilang mga oras.

## Mga mapagkukunan at karagdagang babasahin

- [Preprint ng mga may-akda ng MonoRace](https://arxiv.org/html/2601.15222v1), isinumite noong Enero 21, 2026. Ito ang naa-access na salaysay ng mga pamamaraan at resultang ginamit sa artikulong ito; hiwalay na naka-link ang mas huling journal paper.
- [*Science Robotics* tala ng journal](https://doi.org/10.1126/scirobotics.aee9250), inilathala noong Oktubre 14, 2026. Sinusuportahan ng DOI ng journal at ng [bibliograpiya ng pahayag ng TU Delft](https://www.brightsurf.com/news/8Y4G736L/the-science-behind-the-worlds-fastest-autonomous-racing-drone.html) ang impormasyon sa publikasyon; hindi ma-access sa pagsusuring ito ang buong pahina ng publisher, kaya iniuugnay sa preprint ang mga teknikal na detalye sa itaas.
- [Ulat sa karera ng TU Delft Delta noong Abril 16, 2025](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi) ang nagdodokumento ng napapanahong pag-uulat tungkol sa panalo sa Abu Dhabi.
- [Papel ng pananaliksik sa Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/) ang nagbibigay ng limitadong paghahambing sa naunang sistema.

## Sources

- [MonoRace: Kampeon-level na drone racing gamit ang matatag na monocular AI, author preprint v1](https://arxiv.org/html/2601.15222v1)
- [MonoRace, Science Robotics journal DOI](https://doi.org/10.1126/scirobotics.aee9250)
- [Ang agham sa likod ng pinakamabilis na autonomous racing drone sa mundo, bibliograpiya ng TU Delft](https://www.brightsurf.com/news/8Y4G736L/the-science-behind-the-worlds-fastest-autonomous-racing-drone.html)
- [AI Drone ng TU Delft, tinalo ang mga human pilot sa World Championship sa Abu Dhabi, Delta](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi)
- [Kampeon-level na drone racing gamit ang deep reinforcement learning, Nature](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/)