Das DARPA Grand Challenge war eine Reihe von Wettbewerben, die von der US-amerikanischen Defense Advanced Research Projects Agency (DARPA) organisiert wurden und Teams dazu herausforderten, autonome Fahrzeuge zu bauen, die in der Lage waren, lange Wüstenstrecken ohne menschliches Eingreifen zu bewältigen. Die Rennen, die 2004 und 2005 stattfanden, gelten weithin als Katalysator für die moderne Industrie selbstfahrender Autos.
Rennen 2004
Die erste Grand Challenge, die im März 2004 über eine etwa 150 Meilen lange Strecke in der Mojave-Wüste zwischen Barstow, Kalifornien, und Primm, Nevada, ausgetragen wurde, bot einen Preis von 1 Million Dollar für jedes Fahrzeug, das die Route autonom innerhalb eines Zeitlimits absolvieren konnte. Kein Fahrzeug erreichte das Ziel; der beste Teilnehmer, das Red Team der Carnegie Mellon University, legte etwas mehr als sieben Meilen zurück, bevor es stecken blieb, und das Rennen wurde damals weithin als Demonstration dafür berichtet, wie weit die autonome Navigation von praktischer Anwendbarkeit entfernt war.
Rennen 2005
DARPA veranstaltete im Oktober 2005 eine zweite Grand Challenge über eine ähnlich lange Wüstenstrecke, diesmal mit einem Preis von 2 Millionen Dollar. Fünf Fahrzeuge absolvierten die gesamte Strecke, eine dramatische Verbesserung, die auf ein Jahr intensiver Fortschritte in den Bereichen Computersehen, Sensorfusion und probabilistischer Navigationssoftware zurückgeführt wird. Stanley, ein autonomer Volkswagen Touareg, gebaut von einem Stanford-Team unter der Leitung von Sebastian Thrun, belegte mit der schnellsten Zeit den ersten Platz, knapp vor zwei Fahrzeugen des Red Teams der Carnegie Mellon University. Stanleys Ansatz kombinierte Laser-Entfernungsmessung, maschinelles Sehen und probabilistische Geländeklassifikationstechniken, die die Entwicklung autonomer Fahrzeuge weit über den Wettbewerb hinaus beeinflussten.
Vermächtnis
DARPA folgte mit der Urban Challenge 2007, die autonome Navigation in simuliertem Stadtverkehr mit anderen Fahrzeugen und Verkehrsregeln statt offener Wüste testete und das Feld auf die Wahrnehmungs- und Entscheidungsprobleme ausrichtete, die die spätere kommerzielle Entwicklung selbstfahrender Autos prägen sollten. Viele Teilnehmer und Teammitglieder der Grand-Challenge-Serie gründeten oder leiteten später bedeutende Projekte für autonome Fahrzeuge: Thrun leitete später Googles Projekt für selbstfahrende Autos, das zu Waymo wurde, und zahlreiche Ingenieure der konkurrierenden Teams besetzten in den folgenden zwei Jahrzehnten die Abteilungen für autonome Fahrzeuge bei Automobilherstellern und Technologieunternehmen. Die Grand Challenge wird häufig, neben der Rolle des ImageNet-Wettbewerbs im Deep Learning, als Beispiel für einen gezielten öffentlichen Wettbewerb angeführt, der ein gesamtes Teilgebiet der KI und Robotik beschleunigte, und ihre Betonung realer, physisch verkörperter Leistung wird oft mit den rein softwarebasierten Benchmarks wie MMLU oder SWE-bench kontrastiert, die später die Bewertung von Sprachmodellen dominierten.