現代汽車中最有價值和最複雜的部件通常也是系統中最不可靠的部分。駕駛事故通常既有人為原因，也有人為受害者。對於某些工程師——尤其是那些製造機器人的人——這是一個顯而易見的解決方案：用一個永遠專注、永不疲倦的機器取代容易分心、容易疲勞的駕駛員。
美國軍方多年來一直在伊拉克因路邊炸彈而損失士兵，他們對這個想法特別感興趣。但到 2002 年，十多年來軍方資助的自主地面車輛研究僅產生了少數緩慢而笨拙的原型。
因此，那一年，五角大樓授權其國防高階研究計劃局 (DARPA) 採取非常規方法：公開競賽，獎金為 100 萬美元。第二年 2 月，DARPA 主任安東尼·J·泰瑟 (Anthony J. Tether) 宣佈，首次無人駕駛汽車長途賽 Grand Challenge 將於 2004 年 3 月在莫哈韋沙漠舉行。當沒有機器人完成該賽程時，DARPA 將獎金翻了一番，並安排了第二次比賽，在沙漠的不同地區，於 2005 年 10 月舉行。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的有影響力的故事的未來。
泰瑟說，Grand Challenge 的目的不是生產軍方可以直接投入大規模生產的機器人。目的是激勵工程界解決在車輛能夠在不熟悉的地形上高速安全地自動駕駛之前必須解決的許多問題。“我們的工作是消除技術藉口，這樣人們就不能再說這是不可能完成的，”泰瑟在 10 月 8 日比賽前 10 天舉行的資格賽活動中解釋說。
顯然，這是可以做到的——而且可以用不止一種方式做到。這一次，五輛自主汽車越過了終點線，其中四輛在遠低於獲得現金獎勵所需的 10 小時內完成了 132 英里的賽程。
比比賽本身更重要的是 Grand Challenge 團隊開發的創新，包括一些機器人未能完成比賽甚至未能獲得比賽資格的團隊。這些發明為一類全新的地面車輛提供了構建模組，這些車輛可以攜帶貨物、耕田、挖礦、搬運泥土、探索遙遠的世界——是的，還可以進行戰鬥——幾乎不需要或完全不需要人工干預。
斯坦福大學人工智慧實驗室主任兼機器人賽車隊負責人塞巴斯蒂安·特倫堅信：“這裡的潛力是巨大的。“自動駕駛汽車將與網際網路一樣重要。”
從這裡到那裡
如果機器人技術要實現特倫的大膽預測，它將不得不跨越比 DARPA 競賽提出的技術障礙更高的障礙。然而，Grand Challenge 確實定義了許多正確的問題。為了在這樣的比賽中取得成功，車輛首先必須為前方的長途旅行規劃一條快速且可行的路線。接下來，機器人需要精確定位自己的位置，並找到道路（如果有的話）以及途中的任何障礙物。最後，機器必須規劃和操縱一條路徑，該路徑既能避開障礙物，又能留在軌道上，尤其是在高速和溼滑地形上。
活動開始前兩小時，DARPA 官員透過分發一個計算機檔案來公佈賽道，該檔案列出了 2,935 個 GPS 航點——一條虛擬的麵包屑軌跡，平均每 237 英尺放置一個，供機器人跟隨——以及速度限制和走廊寬度。許多團隊只是將此檔案原封不動地複製到他們的機器人中。但有些團隊使用定製的軟體，試圖在允許的走廊內快速定製一條可以贏得比賽的路線。
紅隊位於卡內基梅隆大學，將這項任務規劃任務提升到了軍事級別的複雜程度。在起跑斜坡附近建立的移動辦公室中，13 名路線編輯、3 名速度設定員、3 名經理、一名統計員和一名策略師等待著 DARPA 光碟。在光碟到達後的幾分鐘內，該團隊在主要國防承包商科學應用國際公司 (Science Applications International Corporation) 的幫助下構建的“預先規劃”系統開始將比賽區域與從 1.8 TB 資料庫中提取的影像疊加，該資料庫包含三英尺解析度的衛星和航空照片、數字高程模型以及在莫哈韋沙漠近 3,000 英里的偵察駕駛中收集的雷射掃描道路剖面。[中斷]
該系統透過將每個頂點轉換為曲線，計算每條曲線周圍的安全速度，並將最高允許速度降低到內華達汽車測試中心數月沙漠試驗得出的限制，自動為 Sandstorm 和 H1ghlander（該團隊的兩名賽車手）建立初始路線。然後，該軟體將賽道和初始路線劃分為多個路段，經理為每個路段分配一名比賽編輯。
編輯在影像、地形圖和偵察掃描之間切換，調整路線以像賽車手一樣進行急轉彎，並避開懸崖邊緣。他們將靠近大門、沖刷區和地下通道的路段標記為“慢速”；在鋪砌道路和乾涸湖床上的路段被分配為“曲速”。
經理們反覆重新分配路段，以便至少有四雙眼睛審查路線的每個部分。與此同時，在後面的房間裡，團隊負責人仔細研究了預計速度的直方圖和經過時間的估計。團隊負責人威廉“紅”惠特克 (William "Red" Whittaker) 命令 H1ghlander 的完成時間為 6.3 小時，Sandstorm 的完成時間為 7.0 小時，系統調整了指令速度以實現這一目標。
上路
道路會發生變化——沙漠道路的變化比大多數道路都大——因此沒有地圖是完全最新的。即使是完美的路線，除非機器人始終知道自己在哪裡以及接下來需要去哪裡，否則也毫無價值。Grand Challenge 中的每輛車都配備了差分 GPS 接收器。它們的精度通常優於三英尺，但立交橋和峽谷會阻擋 GPS 訊號，有時會發生不可預測的偏移。
因此，大多數團隊都在他們的機器人中添加了其他跟蹤系統，通常是包含微機電加速度計或光纖陀螺儀的慣性導航系統。但兩位競爭對手創造了有望更準確或更便宜，或兩者兼而有之的技術。
來自加利福尼亞州帕洛斯弗迪斯的一支高中生團隊從臺式電腦上使用的光學滑鼠中找到了靈感。他們在他們的 Doom Buggy 機器人中安裝了一個明亮的燈，並將白光透過光纖管導向地面。一個瞄準亮點的攝像頭可以捕捉任何水平方向的運動，充當一個精確到一毫米的二維里程錶。“我們稱之為 GroundMouse，”團隊成員阿什頓·拉爾森 (Ashton Larson) 說。
智慧車輛安全技術 (IVST) 團隊由來自福特、霍尼韋爾、德爾福和 Perceptek 的專業工程師組成，在他們的自主皮卡車上使用了類似的技術。一個瞄準地面的雷達感測器可以感知反射光束頻率中的多普勒頻移，機器人從中以高精度計算相對運動。每當車輛失去對其位置的 GPS 定位時，它可以依靠來自其雷達里程錶的航位推算導航。
在沙漠中，即使是人類駕駛員有時也很難辨認出一條土路。確實需要非常聰明的軟體才能區分可能是道路的地形和可能不是道路的地形。泰瑟說，這種軟體“是我所謂的‘秘密武器’的重要組成部分，它使這項技術能夠發揮作用。”
Grand Challenge 的經驗表明，對於機器人來說，雷射掃描器為此任務提供了最佳視野。透過快速掃描機器前方的世界範圍的紅外雷射束，掃描器建立了環境的三維“點雲”。然而，單個雷射束無法充分保真地覆蓋遠處物體和附近道路，因此機器人通常會同時使用多個雷射束。
雷射器越多並不一定越好。IRV，Indy Robot Racing Team 的自主吉普車，配備了 11 個雷射器。但是，當車輛的感測器錯位時，它撞到了乾草捆，著火併在資格賽中被淘汰。如果沒有精確的校準，雷射掃描器會將障礙物放置在機器人內部地圖上的錯誤位置，從而將車輛拉入它試圖避開的物體中。[中斷]
來自加利福尼亞州摩根山的兩人操作團隊 DAD 團隊的 David Hall 建立了一種新型雷射感測器，透過將 64 個雷射器固定在一個以每秒 10 次的速度旋轉的電動圓形平臺內來解決校準問題。一組快速數字訊號處理器，用低階組合語言程式設計，處理大量資料。在賽前試驗中，該感測器能夠從 500 英尺遠的地方識別出一個人大小的障礙物。
紅隊在其兩輛機器人上採用了不同但同樣創新的方法。每輛機器人都攜帶一個遠端雷射器，它可以完成許多雷射器的工作，因為它在一個稱為萬向節的鉸接臂頂部旋轉、滾動和點頭。雷射器由一個看起來像機器人頂部巨大眼球的圓頂和擋風玻璃保護，當車輛爬坡或下坡時，雷射器可以向上或向下傾斜。當機器人接近轉彎時，萬向節左右旋轉，使其眼睛始終注視著道路。
紅隊工程師還在萬向節的三個軸上安裝了光纖陀螺儀，並透過反饋系統將其連線到穩定雷射器的執行器，使其即使在車輛在其下方跳躍時也能保持穩定。該團隊未能及時將該穩定功能與機器人的其他系統整合，以便在比賽中使用它。但是，加利福尼亞州伯克利的 Blue Team 剛剛成立的公司 Motion Zero 和紐約州 Hauppauge 的 HD Systems 正在將該技術小型化，並計劃將其推向市場，用於衛星、武器系統和相機平臺。
通往未來的道路
儘管雷射器似乎必不可少，但它們也有缺點。遠端雷射掃描器的價格非常昂貴，每個掃描器的價格從 25,000 美元到超過 100,000 美元不等。其他型別的感測器，例如攝像機和雷達，可以看得更遠，成本更低。然而，這些感測器也有自身的弱點，並且會產生難以解釋的大量資料。
許多團隊為他們的機器人配備了感測器組合。但只有少數團隊成功構建了能夠整合不同視角以推斷出安全快速的前進路徑的系統——並且每秒多次這樣做。
Terramax 團隊的 15 噸重機器人 Oshkosh 卡車完成了賽程，部分原因在於義大利帕爾馬大學 Alberto Broggi 小組設計的新型“三目”視覺系統。該程式從三對可能的攝像機中選擇一對，以獲得近、中或遠處地形的精確立體檢視。速度越高，機器人看得越遠。
比賽結束後，特倫反思說，他的斯坦福團隊的斯坦利機器人（贏得了比賽和 200 萬美元）的關鍵優勢之一是其基於視覺的速度開關。斯坦利使用一種簡單但功能強大的機器學習形式，只要發現延伸到遠處的平坦道路，就會踩下油門。
然而，一些具有最廣泛影響力的創新出現在從未到達終點線的機器人上。例如，IVST 團隊致力於沙漠試驗，以發現其沙漠陸龜在各種“環境”下的最佳感測器配置——例如搓板路、鋪砌公路或州際公路地下通道。團隊負責人威廉·克拉奎斯特 (William Klarquist) 解釋說，當機器人駕駛時，“車輛會選擇合適的環境，關閉一些感測器，開啟其他感測器，並重新分配它對每個感測器的信任度。”這項技術應該允許機器人從沙漠轉移到農田等環境，並且仍然可以透過載入一組新的環境來表現良好。
在 IRV 中，Indy Robot Racing Team 展示了一種用於感測器的“即插即用”系統，這可能是建立自動駕駛汽車行業的先決條件。由 100 多名工程師組成的遍佈各地的團隊需要一種方法，以便在該團隊測試和改進系統時輕鬆地在機器人中更換感測器和軟體模組。因此，他們發明了一種用於自動駕駛的網路協議（類似於 Web 執行的超文字傳輸協議）。[中斷]
IRV 上的每個感測器都插入一臺專用計算機，該計算機將原始資料歸結為一組障礙物座標和大小，然後將其轉換為網路協議。每個感測器計算機都將其障礙物列表廣播給所有其他感測器和機器人的中央路徑規劃計算機。該標準使得移除故障雷達或升級有缺陷的視覺演算法就像更換輪胎一樣簡單。
隨著比賽的塵埃尚未落定，自主地面車輛的下一個里程碑尚不明確。DARPA 的泰瑟指出了軍方對使用人工領頭駕駛員向後面的一群機器人傳送座標的車隊感興趣。惠特克的目標是在 2005 年底之前讓 H1ghlander 在他的農場放牧圍欄，到 11 月，他已經在起草月球任務的提案。他和特倫都表示，在比賽前幾天，他們收到了商業投資者提供的豐厚報價。因此，無論發生什麼，這些機器人都會繼續前進。