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——來說，這是一個顯而易見的解決方案：用一臺始終專注、永不疲倦的機器來代替容易分心、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，因此對這個想法特別感興趣。但在 2002 年，超過十年的軍事資助的地面自主車輛研究只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) 採取一種非常規方法：公開競賽，獎金為 100 萬美元。第二年 2 月，DARPA 主任安東尼·J·泰瑟宣佈，首次無人駕駛汽車長距離比賽“ Grand Challenge” 將於 2004 年 3 月在莫哈韋沙漠舉行。由於沒有機器人完成該賽程，DARPA 將獎金增加了一倍，並安排了第二次比賽，於 2005 年 10 月在沙漠的不同地區舉行。
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，您將有助於確保未來能夠繼續刊登關於塑造我們當今世界的發現和想法的有影響力的報道。
泰瑟說，“ Grand Challenge” 的目的不是生產軍方可以直接投入批次生產的機器人。其目的是激勵工程界解決在車輛能夠在不熟悉的地形上以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不可能做到，” 泰瑟在 10 月 8 日比賽前 10 天舉行的資格賽活動上解釋說。
顯然，這是可以做到的——而且不止一種方法。這一次，五輛自動駕駛汽車越過了終點線，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” 團隊開發的創新技術，包括一些機器人在比賽中未能完成甚至未能獲得參賽資格的團隊。這些發明為全新類別的地面車輛提供了構建模組，這些車輛可以在幾乎或完全無需人工干預的情況下運送貨物、耕田、採礦、搬運泥土、探索遙遠的世界——是的，還可以進行戰鬥。
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·特龍堅持認為：“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。”
[中斷] 從這裡到那裡
如果機器人技術要實現特龍的大膽預測，它將不得不跨越比 DARPA 競賽提出的技術障礙更高的障礙。“ Grand Challenge” 確實定義了許多正確的問題。要在這樣的比賽中取得成功，車輛首先必須為漫長的旅程規劃一條快速且可行的路線。接下來，機器人需要精確跟蹤它們的位置並找到道路（如果有的話），以及它們行進路線上任何障礙物。最後，機器必須規劃和操縱路徑，以避開障礙物，同時保持在軌道上，尤其是在高速和溼滑地形上。
在活動開始前兩小時，DARPA 官員透過分發一個計算機檔案來公佈賽程，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來嘗試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，他們將這項任務規劃任務提升到了軍事級別的複雜程度。在一個設定在起點滑槽附近的移動辦公室中，13 名路線編輯、3 名速度設定員、3 名經理、一名統計員和一名戰略家等待著 DARPA 光碟的到來。在光碟到達後幾分鐘內，該團隊在主要國防承包商科學應用國際公司的幫助下構建的“預規劃”系統開始將賽區覆蓋在影像上，這些影像來自一個 1.8 太位元組的資料庫，其中包含在莫哈韋沙漠近 3,000 英里的偵察駕駛期間收集的三英尺解析度衛星和航空照片、數字高程模型和雷射掃描道路剖面圖。
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的沙漠試驗得出的限制，從而自動為該團隊的兩輛賽車 Sandstorm 和 H1ghlander 建立初始路線。然後，該軟體將賽程和初始路線劃分為多個路段，經理將一個路段分配給每個路線編輯。
編輯們在影像、地形圖和偵察掃描之間來回切換，調整路線，使其能夠像賽車手一樣進行急轉彎，並避開懸崖邊緣。他們在靠近閘門、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則分配了“超高速”。
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值。團隊負責人威廉·“紅”·惠特克下令 H1ghlander 和 Sandstorm 的完成時間分別為 6.3 小時和 7.0 小時，系統調整了指令速度以實現這一目標。
[中斷] 上路
道路會變化——沙漠道路的變化比大多數道路都大——因此任何地圖都永遠不是完全最新的。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，而且有時會不可預測地偏移。
因此，大多數團隊在其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。但兩家競爭對手創造的技術有望更準確或更便宜，或兩者兼而有之。
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獲得了靈感。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引導到地面上。一個對準亮點的攝像頭可以捕捉任何水平方向的運動，充當精度為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，他們在他們的自動駕駛皮卡上使用了類似的技術。一個對準地面的雷達感應反射光束頻率中的多普勒頻移，機器人由此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，它可以退回到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別出一條土路。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 “是我所說的使這項技術起作用的 ‘秘方’ 的重要組成部分。”
“ 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世界的一片區域的紅外雷射束，掃描器建立了環境的三維 “點雲”。然而，單束雷射束無法充分保真地覆蓋遠處的物體和附近的道路，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，印第安納波利斯機器人賽車隊的自動駕駛吉普車，配備了 11 個雷射器。但是，當車輛的感測器錯位時，它撞到了乾草堆，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。
來自加利福尼亞州摩根山的兩人運營團隊 DAD 團隊的戴維·霍爾創造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[見下文方框]。一組快速數字訊號處理器，以低階組合語言程式設計，處理大量資料。在賽前試驗中，該感測器能夠從高達 500 英尺的距離外識別出一個人大小的障礙物。
紅隊的兩輛機器人採用了不同但同樣創新的方法。每輛都攜帶一個遠端雷射器，由於它可以安裝在稱為萬向節的鉸接臂頂部旋轉、滾動和點頭，因此可以完成許多雷射器的工作。雷射器受到看起來像機器人頂部巨大眼球的圓頂和擋風玻璃的保護，當車輛爬升或下降時，雷射器可以向上或向下傾斜。當機器人接近轉彎時，萬向節向左或向右旋轉，使其眼睛始終注視著道路。
紅隊工程師還在每個萬向節的三個軸上安裝了光纖陀螺儀，並透過反饋系統將它們連線到執行器，以穩定雷射器，使其即使在車輛在其下方跳躍時也能保持穩定。然而，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。
[中斷] 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，每個價格從 25,000 美元到超過 100,000 美元不等。其他型別的感測器，如攝像機和雷達，可以看得更遠，而且成本更低。然而，這些感測器也有自身的弱點，並且它們產生的大量資料非常難以解釋。
許多團隊為他們的機器人配備了感測器組合。但只有少數幾個團隊成功構建了能夠整合不同視角以推斷出前方安全快速路徑的系統——並且每秒多次這樣做。
Terramax 團隊的 15 噸重機器人奧什科什卡車完成了賽程，部分原因在於義大利帕爾馬大學阿爾貝託·布羅吉小組設計的一種新型 “三目” 視覺系統。該程式從三對可能的攝像機中進行選擇，以獲得近距離、中距離或遠處地形的精確立體檢視。它的速度越高，機器人看得越遠。
賽後，特龍反思說，他的斯坦福團隊的斯坦利機器人贏得比賽和 200 萬美元獎金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，只要它發現一條延伸到遠處的平坦道路，就會踩油門[見第 88 頁的方框]。
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 團隊在沙漠試驗中致力於發現其沙漠龜在各種 “環境” 中的最佳感測器配置——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·克拉奎斯特解釋說，當機器人行駛時，“車輛會選擇一個適當的環境，該環境會關閉某些感測器，開啟其他感測器，並重新分配它對每個感測器的信任度。” 這種技術應該允許機器人從沙漠轉移到例如農田，並且仍然可以透過載入一組新的環境來表現良好。
在 IRV 中，印第安納波利斯機器人賽車隊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。這個由 100 多名工程師組成的分佈廣泛的團隊需要一種方法，以便在參與者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，他們為自動駕駛發明了一種網路協議（類似於 Web 執行所依據的超文字傳輸協議）。
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簡化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。
在 “ Grand Challenge” 的塵埃落定後不久，DARPA 宣佈將於 2007 年 11 月舉辦一場新的機器人競賽，稱為 “城市挑戰賽”。這次賽程要短得多——只有 60 英里——並且沿著廢棄的美國空軍基地郊區環境中的低速限制鋪砌道路進行。但難度級別因一種新型障礙物而提高：在賽程中，人類駕駛的汽車在機器人之間和十字路口中行駛。參加決賽的 11 輛機器人中有許多是由在 “ Grand Challenge” 中表現出色的團隊建造的，包括斯坦福大學、卡內基梅隆大學和奧什科什公司。七家機器人競爭者配備了 DAD 團隊發明的旋轉雷射系統，現在由 Velodyne 作為商業產品銷售，奧什科什公司在其 Terramax 卡車上保留了三目視覺。然而，沒有城市挑戰者使用穩定的萬向節，斯坦福大學的自動駕駛帕薩特幾乎沒有使用 2005 年引導斯坦利獲勝的軟體。
自動駕駛汽車被要求遵守加利福尼亞州交通法規，裁判會因每次違章行為而扣分，例如馬薩諸塞理工學院的塔洛斯（最終獲得第四名）與康奈爾大學的天網機器人相撞時。Terramax 因為幾乎撞到建築物而被取消資格。卡內基梅隆大學的 Boss 由雪佛蘭 Tahoe 打造，效能最快、最乾淨，並獲得了 200 萬美元的特等獎。斯坦福大學的 Junior 機器人獲得第二名和 100 萬美元，而弗吉尼亞理工大學的 Victor Tango 車輛獲得第三名，獎金為 50 萬美元。
當被問及政府是否會贊助另一場機器人比賽時，DARPA 的泰瑟表示不會。但軍方顯然對機器人物流車隊感興趣，奧什科什公司正在積極追求這一領先地位。惠特克和其他人希望說服 NASA 向月球傳送一輛自動駕駛汽車。商業投資者一直在密切關注。因此，無論發生什麼，這些機器人都會繼續前進。