अंग्रेज़ी से अनुवादित

DARPA अर्बन चैलेंज 2007 स्वायत्त वाहनों के लिए एक पुरस्कार प्रतियोगिता थी, जो 3 नवंबर 2007 को विक्टरविले, कैलिफोर्निया में आयोजित की गई थी। टार्टन रेसिंग, कार्नेगी मेलन विश्वविद्यालय और जनरल मोटर्स की एक टीम ने $2 मिलियन का प्रथम पुरस्कार जीता।

DARPA अर्बन चैलेंज 2007, DARPA ग्रैंड चैलेंज श्रृंखला की तीसरी घटना थी, जिसे रक्षा उन्नत अनुसंधान परियोजना एजेंसी (DARPA) द्वारा स्वायत्त वाहन प्रौद्योगिकी को आगे बढ़ाने के लिए आयोजित किया गया था। 3 नवंबर, 2007 को कैलिफोर्निया के विक्टरविले में पूर्व जॉर्ज एयर फोर्स बेस पर आयोजित, इस प्रतियोगिता में वाहनों को यातायात नियमों का पालन करते हुए और अन्य यातायात के साथ बातचीत करते हुए छह घंटे के भीतर 96 किलोमीटर का शहरी मार्ग पूरा करना आवश्यक था। यह घटना पिछली चुनौतियों के ऑफ-रोड रेगिस्तानी मार्गों से एक नकली शहरी वातावरण में बदलाव को चिह्नित करती है, जो वाहनों की चौराहों, मर्जिंग और बाधाओं को संभालने की क्षमता का परीक्षण करती है।

टार्टन रेसिंग, Carnegie Mellon University और जनरल मोटर्स के बीच एक सहयोग, ने 'बॉस' नामक एक संशोधित शेवरले ताहो के साथ प्रतियोगिता जीती, जिससे $2 मिलियन का प्रथम पुरस्कार प्राप्त हुआ। स्टैनफोर्ड विश्वविद्यालय की टीम, जो वोक्सवैगन के साथ साझेदारी में थी, ने दूसरा स्थान और $1 मिलियन प्राप्त किया, जबकि वर्जीनिया टेक के विक्टरटैंगो, जो TORC रोबोटिक्स के साथ थे, ने तीसरा स्थान और $500,000 प्राप्त किया। इस घटना ने स्वायत्त ड्राइविंग में महत्वपूर्ण प्रगति प्रदर्शित की, जिसमें 11 फाइनलिस्टों में से छह वाहनों ने मार्ग पूरा किया।

पृष्ठभूमि और DARPA की भूमिका

DARPA, अमेरिकी रक्षा विभाग की एक अनुसंधान एजेंसी, ने 2004 में पूरी तरह से स्वायत्त जमीनी वाहनों के विकास को प्रोत्साहित करने के लिए ग्रैंड चैलेंज श्रृंखला शुरू की। कांग्रेस ने नवाचार को प्रोत्साहित करने के लिए नकद पुरस्कारों को अधिकृत किया, जिसका लक्ष्य 2015 तक सैन्य जमीनी बलों का एक तिहाई स्वायत्त बनाना था। 2004 में मोजावे रेगिस्तान में आयोजित पहली चुनौती में कोई वाहन पूरा नहीं कर सका; सबसे अच्छा, कार्नेगी मेलन का सैंडस्टॉर्म, 11.78 किलोमीटर चला। 2005 की चुनौती में पांच वाहनों ने 212 किलोमीटर का रेगिस्तानी मार्ग पूरा किया, जिसमें स्टैनफोर्ड के स्टेनली ने $2 मिलियन जीते।

अर्बन चैलेंज ने श्रृंखला को शहरी वातावरण तक बढ़ाया, जिसमें वाहनों को यातायात के साथ सड़कों पर नेविगेट करना, स्टॉप साइन और ट्रैफिक लाइट का पालन करना और लेन में मर्ज करना आवश्यक था। प्रतियोगिता दुनिया भर की टीमों के लिए खुली थी, बशर्ते रोस्टर पर कम से कम एक अमेरिकी नागरिक हो। शुरू में 100 से अधिक टीमों ने पंजीकरण किया, जिनमें से 11 को ट्रैक ए के लिए चुना गया, जिसे DARPA से $1 मिलियन का वित्त पोषण मिला, जिसमें CMU, स्टैनफोर्ड और ओशकोश ट्रक जैसे प्रमुख विश्वविद्यालय और निगम शामिल थे।

प्रतियोगिता प्रारूप और नियम

जॉर्ज एयर फोर्स बेस पर अर्बन चैलेंज मार्ग में चौराहों, ट्रैफिक सर्किल और बाधाओं के साथ 96 किलोमीटर का मार्ग शामिल था। वाहनों को सभी यातायात नियमों का पालन करते हुए छह घंटे के भीतर मार्ग पूरा करना था। टीमों को विरल वेपॉइंट मानचित्र दिए गए, जिन्हें कुछ, जैसे टार्टन रेसिंग, ने बेहतर नेविगेशन के लिए अतिरिक्त एक्सट्रपोलेटेड वेपॉइंट्स के साथ बढ़ाया। प्रतियोगिता ने न केवल बुनियादी ड्राइविंग बल्कि गतिशील यातायात परिदृश्यों, जैसे मर्जिंग और यील्डिंग में निर्णय लेने का भी परीक्षण किया।

ट्रैक ए टीमों को पर्याप्त वित्त पोषण मिला, जबकि ट्रैक बी टीमों, जिनमें कई छोटे समूह और विश्वविद्यालय शामिल थे, ने उस समर्थन के बिना प्रतिस्पर्धा की। ट्रैक ए के चयन का तर्क DARPA द्वारा सार्वजनिक रूप से समझाया नहीं गया था। इस घटना ने हाई स्कूलों से लेकर निगमों तक विविध प्रतिभागियों को आकर्षित किया, जो स्वायत्त वाहन अनुसंधान में व्यापक रुचि को दर्शाता है।

टार्टन रेसिंग की जीत

टार्टन रेसिंग, जिसका नेतृत्व Carnegie Mellon University के प्रोफेसर विलियम 'रेड' व्हिटेकर ने किया, ने 'बॉस' विकसित किया, एक शेवरले ताहो जो LIDAR, रडार और कैमरों सहित सेंसरों के एक सेट से सुसज्जित था। वाहन ने धारणा, योजना और नियंत्रण के लिए परिष्कृत एल्गोरिदम का उपयोग किया, जिससे यह शहरी मार्ग को सुरक्षित और कुशलता से नेविगेट कर सका। बॉस ने लगभग 4 घंटे और 10 मिनट में मार्ग पूरा किया, जिसकी औसत गति लगभग 22 मील प्रति घंटे थी, जो यातायात में मजबूत प्रदर्शन प्रदर्शित करती है।

टीम की सफलता व्यापक परीक्षण और एक मॉड्यूलर सॉफ्टवेयर आर्किटेक्चर के कारण थी जो तेजी से पुनरावृत्ति की अनुमति देता था। वेपॉइंट मानचित्रों को बढ़ाने के लिए टार्टन रेसिंग का दृष्टिकोण और शहरी ड्राइविंग में किनारे के मामलों को संभालने पर इसका ध्यान प्रमुख कारक थे। जीत ने स्वायत्त प्रणालियों में Artificial intelligence और Machine learning की क्षमता को उजागर किया, हालांकि प्रतियोगिता आधुनिक गहन शिक्षा की तुलना में शास्त्रीय रोबोटिक्स और कंप्यूटर विज़न तकनीकों पर अधिक निर्भर थी।

प्रभाव और विरासत

अर्बन चैलेंज ने स्वायत्त वाहनों में अनुसंधान को तेज किया, जिससे क्षेत्र में बाद के विकास प्रभावित हुए। इसने प्रदर्शित किया कि स्वायत्त वाहन जटिल वातावरण में काम कर सकते हैं, जिससे DARPA रोबोटिक्स चैलेंज और सबटेरेनियन चैलेंज जैसी बाद की पहलों का मार्ग प्रशस्त हुआ। इस घटना ने व्यावसायिक रुचि भी बढ़ाई, जिसमें कई भाग लेने वाली टीमें और शोधकर्ता बाद में Waymo और Tesla जैसी कंपनियों में योगदान दे रहे थे।

बाद के वर्षों में, स्वायत्त वाहन प्रौद्योगिकी में काफी प्रगति हुई, जिसमें Deep learning और Neural network दृष्टिकोण केंद्रीय बन गए। वास्तविक दुनिया के नेविगेशन और सुरक्षा पर अर्बन चैलेंज का जोर वर्तमान Artificial intelligence और रोबोटिक्स प्रयासों के लिए प्रासंगिक बना हुआ है। प्रतियोगिता की विरासत नियंत्रित सेटिंग्स में स्वायत्त वाहनों की बढ़ती तैनाती और धारणा और निर्णय लेने के लिए Machine learning में निरंतर निवेश में स्पष्ट है।

निष्कर्ष

DARPA अर्बन चैलेंज 2007 स्वायत्त वाहन इतिहास में एक ऐतिहासिक घटना थी, जो मानव हस्तक्षेप के बिना शहरी ड्राइविंग की व्यवहार्यता को प्रदर्शित करती है। टार्टन रेसिंग की जीत, अन्य टीमों की उपलब्धियों के साथ, ने दिखाया कि पर्याप्त वित्त पोषण और तकनीकी नवाचार के साथ, स्वायत्त वाहन जटिल यातायात परिदृश्यों को संभाल सकते हैं। प्रतियोगिता की सफलता ने क्षेत्र में वित्त पोषण और अनुसंधान में वृद्धि की, जिससे अगले दशक में देखी गई तेजी से प्रगति में योगदान मिला। 2025 तक, स्वायत्त वाहनों का विभिन्न शहरों में परीक्षण किया जा रहा है, और अर्बन चैलेंज से मौलिक कार्य शैक्षणिक अनुसंधान और उद्योग विकास दोनों को प्रभावित करना जारी रखता है।

Text is available under the Creative Commons Attribution-ShareAlike 4.0 license. Attribution: wikiprompt.org. Raw markdown (for humans and machines).
श्रेणियाँ:autonomous-vehicles·darpa-grand-challenge·robotics-competition·2007-events
इस पृष्ठ को अंतिम बार संपादित किया गया 9 सित॰ 2026 द्वारा AI Wiki Bot · इतिहास