ИИ-дрон обогнал чемпионов мира: как MonoRace выиграл гонку беспилотников

Дрон, управляемый искусственным интеллектом (ИИ), прошёл чемпионскую трассу быстрее некоторых лучших в мире пилотов-людей.

В исследовании, опубликованном 14 октября в журнале Science Robotics, учёные создали ИИ-систему, способную провести квадрокоптер по сложной трассе со скоростью более 100 км/ч (60 миль/ч), используя лишь одну камеру, направленную вперёд, инерциальный измерительный блок и крошечный бортовой компьютер.

Система под названием MonoRace даже выиграла соревнование по гонкам дронов Abu Dhabi Autonomous Racing League 2025, обойдя все конкурирующие автономные команды и показав более быстрое время, чем три бывших чемпиона мира среди пилотов-людей.

MonoRace добилась этого без помощи GPS, внешних систем захвата движения, стереокамер или предзагруженной карты трассы. Система представляет собой бортовую автономную модель полёта, созданную исследователями из лаборатории микровоздушных аппаратов Делфтского технического университета в Нидерландах. Название отражает её ключевую конструктивную особенность: «моно» указывает на монокулярное зрение. Дрон полагается на одну камеру с рулонным затвором и отслеживает собственное движение с помощью внутреннего измерительного блока (IMU), который измеряет ускорение и вращение.

Полёт на головокружительных скоростях

Ограниченный набор сенсоров питает нейронную сеть — модель машинного обучения, использующую взаимосвязанные искусственные нейроны для выявления закономерностей в данных. Эта нейронная сеть распознаёт гоночные ворота и оценивает положение и движение дрона, чтобы генерировать команды для двигателей. Затем она отправляет команды на четыре пропеллера с частотой 500 раз в секунду через полётный контроллер дрона.

Система помещается в дрон весом всего 966 граммов (2,13 фунта) и размером примерно 30 x 28 x 10 сантиметров (11,8 x 11 x 3,9 дюйма). Поскольку аппаратная часть MonoRace была настолько компактной, лёгкой и вычислительно эффективной, команда смогла обеспечить её работу полностью на борту дрона.

На трассе в Абу-Даби MonoRace прошёл два круга вокруг 11 ворот за 16,56 секунды, достигнув максимальной скорости около 102 км/ч (63 мили/ч).

Недавно выпущенное видео отслеживает разработку и выступление MonoRace в соревновании, с реальными полётными последовательностями, демонстрирующими, как дрон резко кренится, ускоряется через ворота и проходит трассу без помощи человека.

Однако некоторые из последовательностей сгенерированы компьютером. Соавтор исследования Гвидо де Кроон, профессор Делфтского технического университета, сказал, что это намеренные визуальные эффекты. Единственное полностью симулированное изображение появляется примерно на двухминутной отметке, в сегменте, показывающем процесс обучения.

«Здесь мы показываем ворота в визуальном симуляторе для видео, но реальное обучение происходило в упрощённом, чисто физическом симуляторе, который работал очень быстро», — сказал де Кроон Live Science в электронном письме. «Симуляция зрения не выполнялась во время обучения, поскольку управляющая нейронная сеть получает на вход оценённое состояние, которое поступает из другого процесса восприятия и оценки состояния».

Остальные кадры реальны, хотя некоторые shots включают наложения, показывающие, как дрон интерпретирует свой видеопоток. Свёрточная нейронная сеть сегментирует белые ворота, иногда отображая их красным на обычном изображении с камеры. Маленькие кружки отмечают обнаруженные углы ворот, красные линии указывают края ворот, а синее наложение показывает часть изображения, где дрон ожидает найти следующие ворота.

Как ИИ научился гонять

Учёные обучили модель MonoRace с помощью обучения с подкреплением — метода машинного обучения, при котором агент многократно пытается выполнить задачу и получает обратную связь в зависимости от успеха или неудачи.

«Обучение с подкреплением проходило в симуляции, потому что требуется много проб и ошибок — миллионы попыток», — сказал де Кроон. «Фактически он учится летать с нуля».

Сеть научилась напрямую преобразовывать положение дрона на трассе, скорость и ориентацию в команды для двигателей. По словам де Кроона, раннее обучение фокусировалось на основах, таких как избегание аварий и достижение первых ворот. По мере прогресса система училась продвигаться дальше по трассе и летать на более высоких скоростях.

Исследователи обучали систему не на одном аппарате. Вместо этого они варьировали такие параметры, как вес, напряжение, сопротивление, шум сенсоров и состояние пропеллеров, чтобы ИИ-модель могла справляться с реальными вариациями и несовершенствами.

«Это гарантирует, что обученная сеть может управлять разными дронами», — сказал де Кроон.

MonoRace может стать инструментом обучения для пилотов-людей, «немного похоже на то, как мощные шахматные программы вдохновляли людей, играющих в игру», — сказал де Кроон.

Его более широкое значение заключается в демонстрации достижений в области физического ИИ, особенно того, как робот может воспринимать, решать и действовать на высоких скоростях, несмотря на ограниченные сенсорные и вычислительные возможности. Управляющая сеть работает на чипе класса микроконтроллера, что означает, что сложное управление не требует большого компьютера.

Де Кроон отметил, что сеть аналогичного размера могла бы оптимизироваться для минимального энергопотребления, а не для минимального времени круга. Поскольку большинство машин полагаются на небольшие процессоры и обычные контроллеры, энергооптимальное нейронное управление могло бы в конечном итоге снизить потребление энергии в повседневной робототехнике, сказал он.

Источники: Bahnam, S. A., Ferede, R., Blaha, T. M., Lang, A. E., Lucassen, E., Missinne, Q., Verraest, A. E. C., De Wagter, C., & De Croon, G. C. H. E. (2026). MonoRace: Robust monocular AI for champion-level drone racing. Science Robotics, 11(119). https://doi.org/10.1126/scirobotics.aee9250