Édition Markdown

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

# L’article de TU Delft sur MonoRace explique son système de course de drones à caméra unique

> Un nouvel article de Science Robotics détaille la caméra, l’IMU et le contrôle embarqués à l’origine d’une victoire en course de drones en 2025. Le résultat se limite à un parcours de compétition connu.

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.

Les chercheurs de TU Delft ont publié la méthode de MonoRace dans [*Science Robotics*](https://doi.org/10.1126/scirobotics.aee9250) le 14 octobre 2026. Le résultat expliqué est antérieur : le drone a remporté l’Abu Dhabi Autonomous Drone Racing Competition en avril 2025. L’article détaille comment une caméra orientée vers l’avant, une centrale inertielle (IMU) et un petit réseau de contrôle embarqué ont fonctionné ensemble à la vitesse de course.

La [prépublication accessible des auteurs](https://arxiv.org/html/2601.15222v1), soumise le 21 janvier 2026, fait état de victoires contre les autres équipes autonomes et trois champions du monde humains lors d’une épreuve à élimination directe. Elle indique que MonoRace a atteint jusqu’à 100 km/h sur le circuit de compétition sans suivi externe des mouvements. [La publication du campus de TU Delft a annoncé la victoire](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi) en avril 2025. BIG CHANGE n’a pas testé le système.

## Le principal changement

- **Ce qui a changé :** L’article d’octobre 2026 explique comment l’équipe a recalibré l’alignement de la caméra de MonoRace après des chocs ou des réparations, à l’aide d’images de vol embarquées et de formes de portes connues, sans suivi externe des mouvements.
- **Pourquoi c’est important :** Les équipes de course de drones qui évaluent plusieurs appareils doivent examiner séparément l’évitement des collisions. MonoRace a terminé troisième de l’épreuve mult drones parce qu’il ne disposait pas de cette capacité, malgré ses victoires en solo et contre des humains.
- **À surveiller :** Les résultats sur un parcours balisé ne démontrent ni la fiabilité hors piste, ni la navigation à usage général, ni la sécurité du déploiement, ni la disponibilité commerciale, ni le transfert à d’autres robots.

## De l’image de la porte à la commande du moteur

Le drone de compétition utilisait une caméra visuelle et une IMU qui mesurait le mouvement. La caméra à obturateur déroulant envoyait des images à un ordinateur embarqué, où un réseau neuronal repérait les portes de course. Le logiciel trouvait ensuite leurs coins, les comparait à la vue attendue et combinait l’estimation visuelle de position aux mesures de l’IMU dans un estimateur d’état. Un modèle de la dynamique du drone aidait l’estimateur lorsque des manœuvres brusques poussaient l’accéléromètre au-delà de sa plage de mesure, selon la [méthode de l’article](https://arxiv.org/html/2601.15222v1).

Les chercheurs ont également utilisé des enregistrements de vol pour améliorer l’étalonnage entre les manches. Ils ont comparé l’emplacement où des portes de forme et de taille connues devraient apparaître dans l’image de la caméra à celui où le système de segmentation les détectait. Cet ajustement hors ligne était particulièrement utile pour affiner la position et l’angle de la caméra par rapport au drone après une réparation ou un choc. Il s’appuyait sur la connaissance des portes de course et ne nécessitait aucun suivi externe des mouvements.

L’état estimé était ensuite transmis à un petit réseau neuronal de guidage et de contrôle sur le contrôleur de vol. Entraîné en simulation, il envoyait directement des commandes aux moteurs 500 fois par seconde, en contournant une boucle de contrôle interne distincte. Les images de la caméra étaient traitées sur un NVIDIA Jetson Orin NX embarqué ; le réseau à 500 Hz fonctionnait sur le contrôleur de vol. Le processeur d’images et le contrôleur de moteurs à 500 Hz étaient des composants embarqués distincts.

## Ce que la course établit

Selon les chercheurs, MonoRace a remporté le Grand Challenge individuel et la compétition à élimination directe IA contre humains en 2025. Leur article fait également état d’une troisième place dans la course mult drones, où le système ne disposait pas de l’évitement des collisions. Le résultat démontré est un vol rapide autour d’un parcours connu de portes dans des conditions de compétition, avec perception et contrôle entièrement embarqués et sans suivi externe des mouvements. L’article ne démontre ni la navigation à usage général, ni un historique de sécurité en déploiement, ni une disponibilité commerciale, ni un transfert à d’autres types de robots.

Un système antérieur, [Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/), battait des pilotes humains champions sur un parcours intérieur grâce à des capteurs embarqués durant ses courses. Ses travaux de recherche ont utilisé la perception visuo-inertielle stéréoscopique et des données de capture de mouvement pendant le développement. L’avancée attribuée à MonoRace est un résultat en compétition avec une caméra visuelle unique et une IMU embarquée, associées à un estimateur fondé sur les portes et à un contrôleur direct des moteurs. Les études se sont déroulées sur des pistes et lors d’épreuves différentes ; leurs temps ne permettent donc pas de comparer directement la vitesse des systèmes.

## Sources et lectures complémentaires

- [Prépublication des auteurs de MonoRace](https://arxiv.org/html/2601.15222v1), soumise le 21 janvier 2026. C’est le compte rendu accessible des méthodes et résultats utilisé pour cet article ; l’article ultérieur de la revue est lié séparément.
- [*Science Robotics*, notice de la revue](https://doi.org/10.1126/scirobotics.aee9250), publié le 14 octobre 2026. Le DOI de la revue et la [bibliographie du communiqué de TU Delft](https://www.brightsurf.com/news/8Y4G736L/the-science-behind-the-worlds-fastest-autonomous-racing-drone.html) étayent les informations de publication ; la page complète de l’éditeur était inaccessible lors de cette vérification, les détails techniques ci-dessus sont donc attribués à la prépublication.
- [Le compte rendu de course de TU Delft Delta du 16 avril 2025](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi) documente la couverture contemporaine de la victoire à Abou Dhabi.
- [L’article de recherche sur Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/) fournit une comparaison limitée avec le système antérieur.

## Sources

- [MonoRace : course de drones de niveau champion avec une IA monoculaire robuste, prépublication d’auteur v1](https://arxiv.org/html/2601.15222v1)
- [MonoRace, DOI de la revue Science Robotics](https://doi.org/10.1126/scirobotics.aee9250)
- [La science derrière le drone de course autonome le plus rapide au monde, bibliographie du communiqué de TU Delft](https://www.brightsurf.com/news/8Y4G736L/the-science-behind-the-worlds-fastest-autonomous-racing-drone.html)
- [Le drone IA de TU Delft devance des pilotes humains au championnat du monde d’Abou Dhabi, Delta](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi)
- [Course de drones de niveau champion grâce à l’apprentissage profond par renforcement, Nature](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/)