TU Delftの研究者は2026年10月14日、MonoRaceの手法をScience Roboticsで発表した。論文が説明する成果はそれ以前のものだ。ドローンは2025年4月にAbu Dhabi Autonomous Drone Racing Competitionで優勝した。前方カメラ1台、慣性計測装置（IMU）、小型の機上制御ネットワークがレース速度でどう連携したかを論文は詳しく述べている。

著者が公開しているアクセス可能なプレプリントは2026年1月21日に提出され、他の自律チームと人間の世界王者3人に対するノックアウト戦での勝利を報告している。外部の動作追跡を使わず、競技コースでMonoRaceが最高100 km/hに達したという。 TU Delftの学内誌は2025年4月に優勝を報じた。BIG CHANGEはこのシステムをテストしていない。

大きな変化

  • 何が変わったか： 2026年10月の論文は、衝突や修理の後、機上の飛行画像と既知のゲート形状を使ってMonoRaceのカメラの向きを再調整した方法を説明する。外部の動作追跡は使わない。
  • 重要な理由： 複数機を評価するドローンレースチームは、衝突回避を別途評価する必要がある。MonoRaceは単独戦と人間とのレースで勝ったものの、その機能がなく、複数ドローンの競技では3位だった。
  • 今後の注目点： マーカー付きコースでの結果は、コース外での信頼性、汎用ナビゲーション、運用時の安全性、商用提供、他のロボットへの応用を立証するものではない。

ゲート画像からモーター指令まで

競技用ドローンは、モーションを測定するIMUと1台の視覚カメラを使用しました。ローリングシャッター方式のカメラ画像は機上コンピューターに送られ、ニューラルネットワークがレース用ゲートを検出しました。ソフトウェアはゲートの角を特定して想定される見え方と照合し、視覚による位置推定をIMUの読み取りと状態推定器で統合しました。激しい機動で加速度計の測定範囲を超える場合には、ドローンの動力学モデルが推定器を補助しました。論文の手法によると。

研究者は飛行記録も使い、走行間のキャリブレーションを改善した。形状と大きさが既知のゲートがカメラ画像のどこに映るはずかを、セグメンテーションシステムが検出した位置と比較した。このオフライン調整は、修理や衝突の後にドローンに対するカメラの位置と角度を細かく合わせるのに特に役立った。調整にはレーシングゲートの知識を使い、外部の動作追跡は不要だった。

推定した状態は、飛行制御装置にある小型のニューラル誘導・制御ネットワークに送られた。シミュレーションで学習したこのネットワークは、別個の内側制御ループを通さず、毎秒500回モーターへ直接指令を送った。カメラ画像は機上のNVIDIA Jetson Orin NXで処理し、500 Hzのネットワークは飛行制御装置で動作した。画像プロセッサーと500 Hzモーター制御装置は別々の機上ハードウェアだった。

レースが示すこと

研究者によると、MonoRaceは2025年に個人Grand ChallengeとAI対人間のノックアウト競技で優勝した。論文は、衝突回避機能を欠いた複数ドローンのレースで3位になったことも記録している。実証されたのは、競技条件下で既知のゲートコースを高速飛行することだ。認識と制御はすべて機上で行い、外部の動作追跡は使っていない。論文は汎用ナビゲーション、運用安全の実績、商用提供、他種のロボットへの応用を立証していない。

以前のシステムであるSwiftは、レース中に機上センサーを使い、屋内コースで人間のチャンピオンパイロットに勝った。その研究は開発中にステレオ視覚慣性センシングとモーションキャプチャーデータを使った。MonoRaceで報告された進歩は、単眼カメラと機上IMUに、ゲートに基づく推定器とモーターへの直接制御を組み合わせた競技結果だ。研究ごとにコースと大会が異なるため、走行時間からどちらが速いかを直接比較できない。

出典と参考資料