代尔夫特理工 MonoRace 自主无人机竞速击败人类世界冠军

完整中文导读

代尔夫特理工大学的研究团队开发出自主无人机竞速系统 MonoRace，仅靠单个前向相机和 IMU 在机载 NVIDIA Jetson Orin NX 上完成全部处理，最高速度达 100 km/h。

中文整理

作者 / 来源：Nick Bild · 原文时间：2026年10月16日 23:42（北京时间）

原作者信息要点

Nick Bild 报道，代尔夫特理工大学研究人员开发了名为 MonoRace 的自主无人机竞速系统，称其能击败世界冠军飞行员，最高速度可达 100 公里/小时，全程无人操控。

该系统在 2025 年阿布扎比自主无人机竞速比赛中击败所有参赛自主团队和三名人类世界冠军飞行员；相关技术细节已发表在 Science Robotics 上。

与以往依赖立体相机乃至外部运动追踪系统的高性能自主竞速无人机不同，MonoRace 仅需一个前向相机和一个惯性测量单元，全部处理在机上完成。

竞赛用无人机配备 5.1 英寸螺旋桨、标准飞行控制器和 NVIDIA Jetson Orin NX 计算机；Jetson 处理相机图像以识别竞速门并估计位置，飞行控制器上运行的神经网络直接负责电机控制。

研究团队未采用传统稳定算法，而是用神经网络直接生成电机指令；该网络仅三层、每层 64 个神经元，以 500 Hz 运行，使无人机在剧烈机动中快速调整。

控制器通过仿真中的强化学习训练，训练时引入无人机物理特性和气动行为的变化，以提升迁移到真机后的可靠性。

测试中发现快速加速有时使 IMU 超出测量极限，电气干扰有时损坏相机图像；研究团队将视觉门检测与无人机运动数学模型结合，在传感器数据不可靠时剔除错误数据或用预测加速度值替代。

比赛赛道含 11 个门，要求包括快速俯冲穿过垂直堆叠门等困难机动；MonoRace 以 16.56 秒完成两圈，在淘汰赛中击败三名世界冠军飞行员。

作者指出仍有限制：系统需要预先测绘的赛道，尚不能检测或规避其他无人机，在多无人机活动中曾发生碰撞；研究人员认为该方法最终可能有益于在无外部定位系统且需要快速反应的环境中运行的自主飞行器。

本站整理与观察

本站观察到，材料将 MonoRace 的核心特点归结为低传感硬件依赖与机载处理：单目前向相机加 IMU，配合 Jetson Orin NX 和飞行控制器上的小型神经网络，这与作者所述“不依赖立体相机或外部追踪”一致。

本站注意到，作者给出的性能数字包括最高 100 公里/小时、控制器 500 Hz、两圈 16.56 秒和 11 个门；这些均为原作者报道的数据，本站未独立验证。

本站推论，材料中“击败三名世界冠军飞行员”发生在淘汰赛形式的比赛中，具体对阵规则、人类飞行员是否使用同一赛道条件等细节未在材料中展开，不宜据此推断更广泛的优劣结论。

本站观察到，作者明确列出两项限制：依赖预先测绘赛道、不具备对其他无人机的检测规避能力；材料同时提到多无人机活动中发生碰撞，说明当前系统更接近单机竞速场景。

本站推论，作者关于“可用于无外部定位且需快速反应环境”的表述属于研究团队的前景判断，材料未提供该场景下的验证结果。

材料为单一来源的报道性文本，未包含论文原文、比赛规则细节、人类飞行员表现数据或独立复现信息；文中速度、时间、网络规模和比赛结果均依据原作者陈述，本站未作核实。关于应用前景的表述属于原作者观点，不应视为已验证结论。