Le DARPA Grand Challenge était une série de compétitions organisées par la Defense Advanced Research Projects Agency (DARPA) des États-Unis, qui mettait au défi des équipes de construire des véhicules autonomes capables de naviguer sur de longs parcours désertiques sans intervention humaine. Organisées en 2004 et 2005, ces courses sont largement créditées d'avoir catalysé l'industrie moderne des véhicules autonomes.
Course de 2004
Le premier Grand Challenge, tenu en mars 2004 sur un parcours d'environ 150 miles dans le désert de Mojave entre Barstow, en Californie, et Primm, au Nevada, offrait un prix d'un million de dollars à tout véhicule capable de terminer le parcours de manière autonome dans un délai imparti. Aucun véhicule n'a terminé ; la meilleure performance, celle de l'équipe Red Team de l'Université Carnegie Mellon, a parcouru un peu plus de sept miles avant de rester bloquée, et la course a été largement rapportée à l'époque comme une démonstration de la distance qui séparait encore la navigation autonome de la viabilité pratique.
Course de 2005
La DARPA a organisé un deuxième Grand Challenge en octobre 2005 sur un parcours désertique de longueur similaire, cette fois avec un prix de deux millions de dollars. Cinq véhicules ont terminé le parcours complet, une amélioration spectaculaire attribuée à une année de progrès intenses dans les domaines de la vision par ordinateur, de la fusion de capteurs et des logiciels de navigation probabiliste. Stanley, un Volkswagen Touareg autonome construit par une équipe de Stanford dirigée par Sebastian Thrun, a terminé premier avec le temps le plus rapide, devançant de justesse deux véhicules de l'équipe Red Team de Carnegie Mellon. L'approche de Stanley combinait la télémétrie laser, la vision artificielle et des techniques probabilistes de classification du terrain qui ont influencé l'ingénierie des véhicules autonomes bien au-delà de la compétition elle-même.
Héritage
La DARPA a suivi avec l'Urban Challenge de 2007, qui testait la navigation autonome dans un trafic urbain simulé avec d'autres véhicules et des règles de circulation plutôt qu'en plein désert, poussant le domaine vers les problèmes de détection et de prise de décision qui définiraient plus tard le développement commercial des véhicules autonomes. De nombreux participants et membres d'équipes de la série Grand Challenge ont ensuite fondé ou dirigé des projets majeurs de véhicules autonomes : Thrun a ensuite dirigé le projet de voiture autonome de Google, devenu Waymo, et de nombreux ingénieurs des équipes concurrentes ont peuplé les divisions de véhicules autonomes des constructeurs automobiles et des entreprises technologiques au cours des deux décennies suivantes. Le Grand Challenge est fréquemment cité, aux côtés du rôle de la compétition ImageNet dans le deep learning, comme un exemple de compétition publique ciblée accélérant tout un sous-domaine de l'IA et de la robotique, et son accent sur la performance réelle et physiquement incarnée est souvent contrasté avec les benchmarks uniquement logiciels, tels que MMLU ou SWE-bench, qui ont ensuite dominé l'évaluation des modèles de langage.