现代汽车中最有价值和最复杂的部件通常也是系统中最不可靠的部分。驾驶事故通常既有人为原因，也有人为受害者。对于某些工程师——尤其是那些制造机器人的人——这是一个显而易见的解决方案：用一个永远专注、永不疲倦的机器取代容易分心、容易疲劳的驾驶员。
美国军方多年来一直在伊拉克因路边炸弹而损失士兵，他们对这个想法特别感兴趣。但到 2002 年，十多年来军方资助的自主地面车辆研究仅产生了少数缓慢而笨拙的原型。
因此，那一年，五角大楼授权其国防高级研究计划局 (DARPA) 采取非常规方法：公开竞赛，奖金为 100 万美元。第二年 2 月，DARPA 主任安东尼·J·泰瑟 (Anthony J. Tether) 宣布，首次无人驾驶汽车长途赛 Grand Challenge 将于 2004 年 3 月在莫哈韦沙漠举行。当没有机器人完成该赛程时，DARPA 将奖金翻了一番，并安排了第二次比赛，在沙漠的不同地区，于 2005 年 10 月举行。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的有影响力的故事的未来。
泰瑟说，Grand Challenge 的目的不是生产军方可以直接投入大规模生产的机器人。目的是激励工程界解决在车辆能够在不熟悉的地形上高速安全地自动驾驶之前必须解决的许多问题。“我们的工作是消除技术借口，这样人们就不能再说这是不可能完成的，”泰瑟在 10 月 8 日比赛前 10 天举行的资格赛活动中解释说。
显然，这是可以做到的——而且可以用不止一种方式做到。这一次，五辆自主汽车越过了终点线，其中四辆在远低于获得现金奖励所需的 10 小时内完成了 132 英里的赛程。
比比赛本身更重要的是 Grand Challenge 团队开发的创新，包括一些机器人未能完成比赛甚至未能获得比赛资格的团队。这些发明为一类全新的地面车辆提供了构建模块，这些车辆可以携带货物、耕田、挖矿、搬运泥土、探索遥远的世界——是的，还可以进行战斗——几乎不需要或完全不需要人工干预。
斯坦福大学人工智能实验室主任兼机器人赛车队负责人塞巴斯蒂安·特伦坚信：“这里的潜力是巨大的。“自动驾驶汽车将与互联网一样重要。”
从这里到那里
如果机器人技术要实现特伦的大胆预测，它将不得不跨越比 DARPA 竞赛提出的技术障碍更高的障碍。然而，Grand Challenge 确实定义了许多正确的问题。为了在这样的比赛中取得成功，车辆首先必须为前方的长途旅行规划一条快速且可行的路线。接下来，机器人需要精确定位自己的位置，并找到道路（如果有的话）以及途中的任何障碍物。最后，机器必须规划和操纵一条路径，该路径既能避开障碍物，又能留在轨道上，尤其是在高速和湿滑地形上。
活动开始前两小时，DARPA 官员通过分发一个计算机文件来公布赛道，该文件列出了 2,935 个 GPS 航点——一条虚拟的面包屑轨迹，平均每 237 英尺放置一个，供机器人跟随——以及速度限制和走廊宽度。许多团队只是将此文件原封不动地复制到他们的机器人中。但有些团队使用定制的软件，试图在允许的走廊内快速定制一条可以赢得比赛的路线。
红队位于卡内基梅隆大学，将这项任务规划任务提升到了军事级别的复杂程度。在起跑斜坡附近建立的移动办公室中，13 名路线编辑、3 名速度设定员、3 名经理、一名统计员和一名策略师等待着 DARPA 光盘。在光盘到达后的几分钟内，该团队在主要国防承包商科学应用国际公司 (Science Applications International Corporation) 的帮助下构建的“预先规划”系统开始将比赛区域与从 1.8 TB 数据库中提取的图像叠加，该数据库包含三英尺分辨率的卫星和航空照片、数字高程模型以及在莫哈韦沙漠近 3,000 英里的侦察驾驶中收集的激光扫描道路剖面。[中断]
该系统通过将每个顶点转换为曲线，计算每条曲线周围的安全速度，并将最高允许速度降低到内华达汽车测试中心数月沙漠试验得出的限制，自动为 Sandstorm 和 H1ghlander（该团队的两名赛车手）创建初始路线。然后，该软件将赛道和初始路线划分为多个路段，经理为每个路段分配一名比赛编辑。
编辑在图像、地形图和侦察扫描之间切换，调整路线以像赛车手一样进行急转弯，并避开悬崖边缘。他们将靠近大门、冲刷区和地下通道的路段标记为“慢速”；在铺砌道路和干涸湖床上的路段被分配为“曲速”。
经理们反复重新分配路段，以便至少有四双眼睛审查路线的每个部分。与此同时，在后面的房间里，团队负责人仔细研究了预计速度的直方图和经过时间的估计。团队负责人威廉“红”惠特克 (William "Red" Whittaker) 命令 H1ghlander 的完成时间为 6.3 小时，Sandstorm 的完成时间为 7.0 小时，系统调整了指令速度以实现这一目标。
上路
道路会发生变化——沙漠道路的变化比大多数道路都大——因此没有地图是完全最新的。即使是完美的路线，除非机器人始终知道自己在哪里以及接下来需要去哪里，否则也毫无价值。Grand Challenge 中的每辆车都配备了差分 GPS 接收器。它们的精度通常优于三英尺，但立交桥和峡谷会阻挡 GPS 信号，有时会发生不可预测的偏移。
因此，大多数团队都在他们的机器人中添加了其他跟踪系统，通常是包含微机电加速度计或光纤陀螺仪的惯性导航系统。但两位竞争对手创造了有望更准确或更便宜，或两者兼而有之的技术。
来自加利福尼亚州帕洛斯弗迪斯的一支高中生团队从台式电脑上使用的光学鼠标中找到了灵感。他们在他们的 Doom Buggy 机器人中安装了一个明亮的灯，并将白光通过光纤管导向地面。一个瞄准亮点的摄像头可以捕捉任何水平方向的运动，充当一个精确到一毫米的二维里程表。“我们称之为 GroundMouse，”团队成员阿什顿·拉尔森 (Ashton Larson) 说。
智能车辆安全技术 (IVST) 团队由来自福特、霍尼韦尔、德尔福和 Perceptek 的专业工程师组成，在他们的自主皮卡车上使用了类似的技术。一个瞄准地面的雷达传感器可以感知反射光束频率中的多普勒频移，机器人从中以高精度计算相对运动。每当车辆失去对其位置的 GPS 定位时，它可以依靠来自其雷达里程表的航位推算导航。
在沙漠中，即使是人类驾驶员有时也很难辨认出一条土路。确实需要非常聪明的软件才能区分可能是道路的地形和可能不是道路的地形。泰瑟说，这种软件“是我所谓的‘秘密武器’的重要组成部分，它使这项技术能够发挥作用。”
Grand Challenge 的经验表明，对于机器人来说，激光扫描仪为此任务提供了最佳视野。通过快速扫描机器前方的世界范围的红外激光束，扫描仪创建了环境的三维“点云”。然而，单个激光束无法充分保真地覆盖远处物体和附近道路，因此机器人通常会同时使用多个激光束。
激光器越多并不一定越好。IRV，Indy Robot Racing Team 的自主吉普车，配备了 11 个激光器。但是，当车辆的传感器错位时，它撞到了干草捆，着火并在资格赛中被淘汰。如果没有精确的校准，激光扫描仪会将障碍物放置在机器人内部地图上的错误位置，从而将车辆拉入它试图避开的物体中。[中断]
来自加利福尼亚州摩根山的两人操作团队 DAD 团队的 David Hall 创建了一种新型激光传感器，通过将 64 个激光器固定在一个以每秒 10 次的速度旋转的电动圆形平台内来解决校准问题。一组快速数字信号处理器，用低级汇编语言编程，处理大量数据。在赛前试验中，该传感器能够从 500 英尺远的地方识别出一个人大小的障碍物。
红队在其两辆机器人上采用了不同但同样创新的方法。每辆机器人都携带一个远程激光器，它可以完成许多激光器的工作，因为它在一个称为万向节的铰接臂顶部旋转、滚动和点头。激光器由一个看起来像机器人顶部巨大眼球的圆顶和挡风玻璃保护，当车辆爬坡或下坡时，激光器可以向上或向下倾斜。当机器人接近转弯时，万向节左右旋转，使其眼睛始终注视着道路。
红队工程师还在万向节的三个轴上安装了光纤陀螺仪，并通过反馈系统将其连接到稳定激光器的执行器，使其即使在车辆在其下方跳跃时也能保持稳定。该团队未能及时将该稳定功能与机器人的其他系统集成，以便在比赛中使用它。但是，加利福尼亚州伯克利的 Blue Team 刚刚成立的公司 Motion Zero 和纽约州 Hauppauge 的 HD Systems 正在将该技术小型化，并计划将其推向市场，用于卫星、武器系统和相机平台。
通往未来的道路
尽管激光器似乎必不可少，但它们也有缺点。远程激光扫描仪的价格非常昂贵，每个扫描仪的价格从 25,000 美元到超过 100,000 美元不等。其他类型的传感器，例如摄像机和雷达，可以看得更远，成本更低。然而，这些传感器也有自身的弱点，并且会产生难以解释的大量数据。
许多团队为他们的机器人配备了传感器组合。但只有少数团队成功构建了能够整合不同视角以推断出安全快速的前进路径的系统——并且每秒多次这样做。
Terramax 团队的 15 吨重机器人 Oshkosh 卡车完成了赛程，部分原因在于意大利帕尔马大学 Alberto Broggi 小组设计的新型“三目”视觉系统。该程序从三对可能的摄像机中选择一对，以获得近、中或远处地形的精确立体视图。速度越高，机器人看得越远。
比赛结束后，特伦反思说，他的斯坦福团队的斯坦利机器人（赢得了比赛和 200 万美元）的关键优势之一是其基于视觉的速度开关。斯坦利使用一种简单但功能强大的机器学习形式，只要发现延伸到远处的平坦道路，就会踩下油门。
然而，一些具有最广泛影响力的创新出现在从未到达终点线的机器人上。例如，IVST 团队致力于沙漠试验，以发现其沙漠陆龟在各种“环境”下的最佳传感器配置——例如搓板路、铺砌公路或州际公路地下通道。团队负责人威廉·克拉奎斯特 (William Klarquist) 解释说，当机器人驾驶时，“车辆会选择合适的环境，关闭一些传感器，打开其他传感器，并重新分配它对每个传感器的信任度。”这项技术应该允许机器人从沙漠转移到农田等环境，并且仍然可以通过加载一组新的环境来表现良好。
在 IRV 中，Indy Robot Racing Team 展示了一种用于传感器的“即插即用”系统，这可能是创建自动驾驶汽车行业的先决条件。由 100 多名工程师组成的遍布各地的团队需要一种方法，以便在该团队测试和改进系统时轻松地在机器人中更换传感器和软件模块。因此，他们发明了一种用于自动驾驶的网络协议（类似于 Web 运行的超文本传输协议）。[中断]
IRV 上的每个传感器都插入一台专用计算机，该计算机将原始数据归结为一组障碍物坐标和大小，然后将其转换为网络协议。每个传感器计算机都将其障碍物列表广播给所有其他传感器和机器人的中央路径规划计算机。该标准使得移除故障雷达或升级有缺陷的视觉算法就像更换轮胎一样简单。
随着比赛的尘埃尚未落定，自主地面车辆的下一个里程碑尚不明确。DARPA 的泰瑟指出了军方对使用人工领头驾驶员向后面的一群机器人发送坐标的车队感兴趣。惠特克的目标是在 2005 年底之前让 H1ghlander 在他的农场放牧围栏，到 11 月，他已经在起草月球任务的提案。他和特伦都表示，在比赛前几天，他们收到了商业投资者提供的丰厚报价。因此，无论发生什么，这些机器人都会继续前进。