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 única câmara
> Um novo artigo da Science Robotics descreve a câmara, a IMU e o controlo a bordo por detrás de uma vitória numa corrida de drones em 2025. O resultado limita-se a um percurso 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
AI-generated conceptual illustration by BIG CHANGE; no actual MonoRace aircraft, A2RL event or race result is depicted.
Os investigadores da TU Delft publicaram o método do MonoRace na [*Science Robotics*](https://doi.org/10.1126/scirobotics.aee9250) em 14 de outubro de 2026. O resultado explicado é anterior: o drone venceu a Abu Dhabi Autonomous Drone Racing Competition em abril de 2025. O artigo descreve em pormenor como uma câmara frontal, uma unidade de medição inercial (IMU) e uma pequena rede de controlo a bordo funcionaram em conjunto à velocidade de corrida.
O [preprint acessível dos autores](https://arxiv.org/html/2601.15222v1), submetido em 21 de janeiro de 2026, relata vitórias sobre as outras equipas autónomas e três campeões mundiais humanos numa prova eliminatória. Afirma que o MonoRace atingiu até 100 km/h no circuito da competição sem seguimento externo do 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 equipa voltou a ajustar o alinhamento da câmara do MonoRace após impactos ou reparações, usando imagens de voo a bordo e formas conhecidas das portas, sem seguimento externo do movimento.
- **Porque é importante:** As equipas que avaliam várias aeronaves têm de avaliar separadamente a prevenção de colisões. O MonoRace ficou em terceiro na prova com vários drones por não dispor dessa capacidade, apesar das vitórias individuais e contra pilotos humanos.
- **O que acompanhar:** Os resultados num percurso marcado não demonstram fiabilidade fora de uma pista, navegação de uso geral, segurança de implementação, disponibilidade comercial ou transferência para outros robôs.
## Da imagem da porta ao comando do motor
O drone da competição usou uma câmara visual e uma IMU que media o movimento. A câmara com obturador rolante enviava imagens para um computador a bordo, onde uma rede neuronal assinalava as portas da corrida. O software encontrava depois os cantos das portas, comparava-os com a vista esperada e combinava a estimativa visual da posição com as leituras da IMU num estimador de estado. Segundo o [método do artigo](https://arxiv.org/html/2601.15222v1), um modelo da dinâmica do drone ajudava o estimador quando manobras bruscas levavam o acelerómetro para além do seu intervalo de medição.
Os investigadores também usaram gravações de voo para melhorar a calibração entre voltas. Compararam o local onde portas de forma e dimensão conhecidas deveriam surgir na imagem da câmara com o local onde o sistema de segmentação as encontrou. Esse ajuste offline foi particularmente útil para afinar a posição e o ângulo da câmara em relação ao drone após uma reparação ou impacto. O ajuste recorria ao conhecimento das portas da corrida e não exigia seguimento externo do movimento.
O estado estimado era então enviado para uma pequena rede neuronal de orientação e controlo no controlador de voo. Treinada em simulação, enviava comandos diretamente aos motores 500 vezes por segundo, contornando um circuito de controlo interno separado. As imagens da câmara eram processadas num NVIDIA Jetson Orin NX a bordo; a rede de 500 Hz funcionava no controlador de voo. O processador de imagem e o controlador de motor de 500 Hz eram hardware distinto a bordo.
## O que a corrida demonstra
Os investigadores relatam que o MonoRace venceu o Grand Challenge individual e a competição eliminatória de IA contra humanos em 2025. O artigo regista também um terceiro lugar na corrida com vários drones, na qual não dispunha de capacidade para evitar colisões. O resultado demonstrado é um voo rápido em torno de um percurso conhecido de portas, em condições de competição, com toda a perceção e controlo a bordo e sem seguimento externo do movimento. O artigo não demonstra navegação de uso geral, um historial de segurança de implementação, disponibilidade comercial ou transferência para outros tipos de robôs.
Um sistema anterior, [Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/), venceu pilotos humanos campeões num percurso interior usando sensores a bordo durante as corridas. A investigação desse sistema usou deteção visual-inercial estéreo e dados de captura de movimento durante o desenvolvimento. O avanço atribuído ao MonoRace é um resultado de competição com uma única câmara visual e IMU a bordo, associado a um estimador baseado nas portas e a um controlador direto dos motores. Os estudos usaram pistas e provas diferentes, pelo que os seus tempos não permitem comparar diretamente qual dos sistemas 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 ligado separadamente.
- [*Science Robotics*, registo da revista](https://doi.org/10.1126/scirobotics.aee9250), publicado em 14 de outubro de 2026. A informação de publicação é apoiada 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, pelo que os detalhes técnicos acima são atribuídos ao preprint.
- [Relato da corrida da TU Delft Delta, de 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.
- [Artigo de investigação do Swift](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/) fornece a comparação limitada com o sistema anterior.
## Sources
- [MonoRace: corrida de drones ao nível dos campeões com IA monocular robusta, preprint do autor v1](https://arxiv.org/html/2601.15222v1)
- [MonoRace, DOI da revista Science Robotics](https://doi.org/10.1126/scirobotics.aee9250)
- [A ciência por detrás do drone de corrida autónomo 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 ao nível dos campeões com aprendizagem profunda por reforço, Nature](https://pmc.ncbi.nlm.nih.gov/articles/PMC10468397/)
Newsletter BIG CHANGE
A perspetiva geral, ao seu ritmo.
Histórias recentes sobre IA e robótica, mudanças que vale a pena acompanhar e ideias práticas para utilizar. Escolha um briefing diário, um resumo semanal ou uma perspetiva mensal.
Next scheduled send (UTC): . Your first edition arrives at the next scheduled send after you confirm.
A sua privacidade, a sua escolha.
O armazenamento necessário ajuda a proteger o site e a memorizar as suas escolhas. O Google Analytics opcional permanece desativado até que o autorize. Pode ler todos os artigos utilizando apenas o armazenamento necessário. Detalhes de privacidade