从IBM“深蓝”击败国际象棋大师，到AlphaGo征服围棋，人工智能在游戏领域的胜利多发生于结构化模拟环境中。然而，这一局面已被打破。荷兰代尔夫特理工大学微型飞行器实验室团队研发的一款轻量级智能无人机，在非受控的真实赛道上击败了人类顶尖选手。
该团队于2025年11月在阿布扎比举行的一场备受瞩目的第一人称视角（FPV）无人机竞速赛中夺得冠军。比赛中，AI操控的无人机以每小时60至100英里的速度穿梭于门框之间，最终用时优于三位前人类世界冠军。这是AI控制的无人机首次在国际赛车比赛中击败人类飞行员。相关研究成果已于今日发表在《科学机器人》杂志上。
从实验室走向真实赛场
FPV无人机竞速是一项极限运动，飞行员需佩戴耳机接收无人机前置摄像头画面，通过操纵杆实时控制油门、滚转、俯仰和偏航。这项运动对反应速度和稳定性要求极高，微小的失误即导致坠毁。尽管其热度较2010年代末有所回落，但仍拥有庞大的在线观众群体，并成为机器人技术与AI研究的理想试验场。
此前，苏黎世大学团队曾研发名为Swift的AI无人机，在室内受控实验室环境中击败过人类冠军。但Swift依赖专门设计的赛道，且对环境变化（如光线）极为敏感。相比之下，代尔夫特理工大学的MonoRace无人机展现了更强的环境适应能力。它仅配备极简的机载传感器和硬件，却能在为人类设计的非受控赛道上脱颖而出。
极简硬件与强化学习的结合
MonoRace的核心优势在于其高效的算法架构。研究共同作者克里斯托夫·德瓦格特表示，团队并未堆砌强大的传感器和算力，而是致力于从有限资源中提取智能。MonoRace运行在微型计算机上，系统轻量化以避免延迟，AI每秒可发出约500条指令。
为解决高速飞行中的图像模糊和定位难题，MonoRace结合了摄像头视频流与机载惯性测量单元（IMU）数据。研究共同作者斯塔夫罗斯·巴纳姆指出，这种多模态融合方法使无人机在无GPS环境下也能实现高速稳健导航。此外，团队采用强化学习在模拟环境中进行海量试错训练，使神经网络学会直接控制电机，而非预先规划飞行路径。研究共同作者罗宾·费雷德称，这种端到端的控制策略显著提升了无人机的即时反应能力。
在阿布扎比的实战测试中，MonoRace以约62英里/小时的速度完成绕圈、俯冲等动作，不仅击败所有其他AI参赛团队，更在成绩上超越多位人类世界冠军。这一突破表明，即便在缺乏外部参考测量的极端物理环境中，轻量级AI系统也能实现高精度机动。
随着自动驾驶汽车和人形机器人逐步迈向大规模生产，构建能理解物理世界并避免碰撞的AI系统至关重要。MonoRace的成功证明，工程师们在提升物理AI鲁棒性方面正走在正确道路上。尽管目前机器人尚未在体育项目中全面取代人类——最快的机器人短跑选手仍面临撞墙起火的风险——但此次胜利标志着AI在复杂动态环境中的感知与决策能力迈出了关键一步。