ドローン競技/単眼状態推定2026/1/1arXiv:2601.15222

MonoRace: 堅牢な単眼AIでドローン競技チャンピオンレベルを制する

MonoRace: Winning Champion-Level Drone Racing with Robust Monocular AI

単眼カメラとIMUのみを搭載し、ニューラルネットによるゲート検出と状態推定、オフラインキャリブレーション、直接モーター指令のNN制御を組み合わせて、2025年アブダビ自律ドローン競技会で人間世界王者3人を含む全参加者を破った。

詳しい要約

1. どんなもの？

- 本論文は、MonoRace という単眼カメラと IMU のみを搭載したドローンによる自律レース手法を提案する。 - ステレオカメラと IMU を用いた先行研究とは異なり、単眼・ローリングシャッターカメラと IMU で競技環境に一般化する。 - ニューラルネットワークによるゲートセグメンテーションとドローンモデルを組み合わせたロバストな状態推定を特徴とする。 - オフライン最適化により、オンボード飛行データのみから状態推定パラメータ（特に外部カメラキャリブレーション）を微調整する。 - 誘導・制御はニューラルネットワークが直接モーターコマンドを出力し、内側のループコントローラを省略する。 - この小型ネットワークはフライトコントローラ上で 500Hz で動作する。 - 2025 Abu Dhabi Autonomous Drone Racing Competition (A2RL) で優勝し、全 AI チームと3人の人間世界チャンピオンパイロットを直接対決で破った。 - 競技トラックで最高速度 100 km/h に達し、カメラ干渉や IMU 飽和などの問題に対処した。

2. 先行研究と比べてどこがすごい？

- 先行研究はステレオカメラと IMU を用い、制御された屋内環境で人間チャンピオンに勝利した。 - MonoRace は単眼・ローリングシャッターカメラと IMU のみで、外部モーションキャプチャシステムなしの競技環境に一般化する。 - オフライン最適化により、オンボード飛行データのみから状態推定パラメータを微調整できる点が新しい。 - ニューラルネットワークが直接モーターコマンドを出力し、内側ループコントローラを不要にした点が先行研究と異なる。 - 2025 A2RL で優勝し、人間世界チャンピオン3人を含む直接対決で勝利した点が成果として大きい。

3. 技術・手法の肝は？

- 単眼・ローリングシャッターカメラと IMU を搭載したドローンによる自律レース。 - ニューラルネットワークによるゲートセグメンテーションとドローンモデルを組み合わせたロバストな状態推定。 - ゲートの既知の幾何学形状を利用したオフライン最適化手順により、状態推定パラメータ（特に外部カメラキャリブレーション）をオンボード飛行データのみで微調整。 - 誘導・制御はニューラルネットワークが直接モーターコマンドを出力し、内側ループコントローラを省略。 - 小型ネットワークはフライトコントローラ上で 500Hz で動作。

4. どうやって有効だと検証した？

- 2025 Abu Dhabi Autonomous Drone Racing Competition (A2RL) に参加し、全 AI チームと3人の人間世界チャンピオンパイロットを直接対決で破って優勝。 - 競技トラックで最高速度 100 km/h に達した。 - カメラ干渉や IMU 飽和などの問題に成功裏に対処した。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照されている先行研究：ステレオカメラと IMU を用いて人間チャンピオンに勝利したシステム（著者らは明示していないが、関連研究として挙げられる）。 - 同分野の定番：自律ドローン racing における状態推定、ニューラルネットワーク制御、オフライン最適化に関する研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Stavrow A. Bahnam, Robin Ferede, Till M. Blaha, Anton E. Lang, Erin Lucassen, Quentin Missinne, Aderik E. C. Verraest, Christophe De Wagter, Guido C. H. E. de Croon

分類: cs.RO

原文アブストラクト

Autonomous drone racing represents a major frontier in robotics research. It requires an Artificial Intelligence (AI) that can run on board light-weight flying robots under tight resource and time constraints, while pushing the physical system to its limits. The state of the art in this area consists of a system with a stereo camera and an inertial measurement unit (IMU) that beat human drone racing champions in a controlled indoor environment. Here, we present MonoRace: an onboard drone racing approach that uses a monocular, rolling-shutter camera and IMU that generalizes to a competition environment without any external motion tracking system. The approach features robust state estimation that combines neural-network-based gate segmentation with a drone model. Moreover, it includes an offline optimization procedure that leverages the known geometry of gates to refine any state estimation parameter. This offline optimization is based purely on onboard flight data and is important for fine-tuning the vital external camera calibration parameters. Furthermore, the guidance and control are performed by a neural network that foregoes inner loop controllers by directly sending motor commands. This small network runs on the flight controller at 500Hz. The proposed approach won the 2025 Abu Dhabi Autonomous Drone Racing Competition (A2RL), outperforming all competing AI teams and three human world champion pilots in a direct knockout tournament. It set a new milestone in autonomous drone racing research, reaching speeds up to 100 km/h on the competition track and successfully coping with problems such as camera interference and IMU saturation.

arXivで原文を読む →arXiv概要ページ

← 論文一覧