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

# Artigo da TU Delft explica o sistema de corrida de drones MonoRace com uma câmera

> Um novo artigo da Science Robotics detalha a câmera, a IMU e o controle embarcado por trás de uma vitória em uma corrida de drones em 2025. O resultado se limita a um circuito de competição conhecido.

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.

Pesquisadores da TU Delft publicaram o método por trás do MonoRace na [*Science Robotics*](https://doi.org/10.1126/scirobotics.aee9250) em 14 de outubro de 2026. O resultado descrito é anterior: o drone venceu a Abu Dhabi Autonomous Drone Racing Competition em abril de 2025. O artigo detalha como uma única câmera frontal, uma unidade de medição inercial (IMU) e uma pequena rede de controle embarcada trabalharam juntas em velocidade de corrida.

O [O preprint acessível dos autores](https://arxiv.org/html/2601.15222v1), submetido em 21 de janeiro de 2026, relata vitórias sobre as outras equipes autônomas e três campeões mundiais humanos em uma disputa eliminatória. Segundo o texto, o MonoRace chegou a 100 km/h no circuito da competição sem rastreamento externo de movimento. [A publicação do campus da TU Delft noticiou a vitória](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi) em abril de 2025. A BIG CHANGE não testou o sistema.

## A grande mudança

- **O que mudou:** O artigo de outubro de 2026 explica como a equipe reajustou o alinhamento da câmera do MonoRace após impactos ou reparos, usando imagens de voo embarcadas e formatos conhecidos dos portões, sem rastreamento externo de movimento.
- **Por que isso importa:** Equipes que avaliam várias aeronaves precisam analisar separadamente a capacidade de evitar colisões. O MonoRace ficou em terceiro na prova com vários drones por não ter essa capacidade, apesar das vitórias individuais e contra pilotos humanos.
- **O que observar:** Os resultados em um circuito demarcado não comprovam confiabilidade fora da pista, navegação de uso geral, segurança de implantação, disponibilidade comercial nem transferência para outros robôs.

## Da imagem do portão ao comando do motor

O drone da competição usou uma câmera visual junto com uma IMU que media o movimento. A câmera de obturador rolante enviava imagens a um computador embarcado, onde uma rede neural identificava os portões da corrida. O software então localizava os cantos dos portões, comparava-os com a vista esperada e combinava a estimativa visual de posição com as leituras da IMU em um estimador de estado. Um modelo da dinâmica do drone ajudava o estimador quando manobras bruscas levavam o acelerômetro além de sua faixa de medição, [segundo o método do artigo](https://arxiv.org/html/2601.15222v1).

Os pesquisadores também usaram gravações de voo para aprimorar a calibração entre as corridas. Compararam onde portões de formato e tamanho conhecidos deveriam aparecer na imagem da câmera com os pontos encontrados pelo sistema de segmentação. Esse ajuste offline foi especialmente útil para refinar a posição e o ângulo da câmera em relação ao drone após um reparo ou impacto. O ajuste usou o conhecimento dos portões e não exigiu rastreamento externo de movimento.

O estado estimado seguia então para uma pequena rede neural de orientação e controle no controlador de voo. Treinada em simulação, ela enviava comandos diretamente aos motores a 500 atualizações por segundo, dispensando um circuito interno de controle separado. As imagens da câmera eram processadas em um NVIDIA Jetson Orin NX embarcado; a rede de 500 Hz rodava no controlador de voo. O processador de imagem e o controlador de motor de 500 Hz funcionavam em hardwares embarcados separados.

## O que a corrida demonstra

Segundo os pesquisadores, o MonoRace venceu o Grand Challenge individual e a disputa eliminatória entre IA e humanos em 2025. O artigo também registra o terceiro lugar na corrida com vários drones, na qual faltava ao sistema a capacidade de evitar colisões. O resultado demonstrado é um voo rápido em torno de um circuito conhecido de portões, sob condições de competição, com percepção e controle embarcados e sem rastreamento externo de movimento. O artigo não demonstra navegação de uso geral, histórico de segurança em implantação, disponibilidade comercial nem transferência para outros tipos de robôs.

Um sistema anterior, o [Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/), venceu pilotos humanos campeões em um circuito coberto usando sensores embarcados durante suas corridas. Sua pesquisa utilizou sensores visuais-inerciais estéreo e dados de captura de movimento durante o desenvolvimento. O avanço relatado do MonoRace é um resultado competitivo com uma câmera visual e uma IMU embarcada, combinadas com seu estimador baseado em portões e controlador direto dos motores. Os estudos usaram pistas e eventos diferentes; portanto, seus tempos não comparam diretamente qual sistema é mais rápido.

## Fontes e leituras adicionais

- [Preprint dos autores do MonoRace](https://arxiv.org/html/2601.15222v1), submetido em 21 de janeiro de 2026. É o relato acessível dos métodos e resultados usado neste artigo; o artigo posterior da revista está vinculado separadamente.
- [*Science Robotics* registro da revista](https://doi.org/10.1126/scirobotics.aee9250), publicado em 14 de outubro de 2026. As informações de publicação são respaldadas pelo DOI da revista e pela [bibliografia do comunicado da TU Delft](https://www.brightsurf.com/news/8Y4G736L/the-science-behind-the-worlds-fastest-autonomous-racing-drone.html); a página completa da editora estava inacessível durante esta revisão, por isso os detalhes técnicos acima são atribuídos ao preprint.
- [O relato da corrida publicado pela TU Delft Delta em 16 de abril de 2025](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi) documenta a cobertura contemporânea da vitória em Abu Dhabi.
- [O artigo de pesquisa sobre o Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/) oferece a comparação limitada com o sistema anterior.

## Sources

- [MonoRace: vencendo corridas de drones em nível de campeão com IA monocular robusta, preprint dos autores v1](https://arxiv.org/html/2601.15222v1)
- [MonoRace, DOI da revista Science Robotics](https://doi.org/10.1126/scirobotics.aee9250)
- [A ciência por trás do drone autônomo de corrida mais rápido do mundo, bibliografia do comunicado da TU Delft](https://www.brightsurf.com/news/8Y4G736L/the-science-behind-the-worlds-fastest-autonomous-racing-drone.html)
- [Drone de IA da TU Delft supera pilotos humanos no Campeonato Mundial em Abu Dhabi, Delta](https://delta.tudelft.nl/en/article/ai-drone-from-tu-delft-outpaces-human-pilots-at-world-championship-in-abu-dhabi)
- [Corrida de drones em nível de campeão com aprendizado por reforço profundo, Nature](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/)