DARPAグランドチャレンジは、米国防高等研究計画局（DARPA）が主催した一連のコンペティションであり、人間の介入なしに長距離の砂漠コースを走行できる自律走行車両の製作に挑戦するものであった。2004年と2005年に開催されたこのレースは、現代の自動運転車産業を触発したとして広く評価されている。
2004年のレース
最初のグランドチャレンジは、2004年3月にカリフォルニア州バーストウとネバダ州プリムの間のモハーベ砂漠にある約150マイルのコースで開催され、制限時間内に自律走行でルートを完走した車両に100万ドルの賞金が提示された。完走した車両はなかった。最優秀の成績を収めたエントリーは、カーネギーメロン大学のレッドチームによるもので、約7マイルを走行した後に立ち往生し、当時、このレースは自律走行ナビゲーションが実用化にはほど遠いことを示すものとして広く報じられた。
2005年のレース
DARPAは2005年10月に、同様に長距離の砂漠コースで第2回グランドチャレンジを開催した。今回は賞金が200万ドルとなった。5台の車両が全コースを完走し、これはコンピュータビジョン、センサーフュージョン、確率的ナビゲーションソフトウェアにわたる1年間の集中的な進歩による劇的な改善とされた。セバスチャン・スランが率いるスタンフォード大学チームによって製作された自律走行フォルクスワーゲン・トゥアレグのスタンレーは、最速タイムで首位となり、カーネギーメロン大学レッドチームの2台を僅差で上回った。スタンレーのアプローチは、レーザー測距、マシンビジョン、確率的な地形分類技術を組み合わせたものであり、競技自体を超えて自動運転車両工学に影響を与えた。
遺産
DARPAは続いて2007年アーバンチャレンジを開催し、開放された砂漠ではなく、他車両や交通法規が存在する模擬都市交通の中で自律走行ナビゲーションを試験し、その後の商業的な自動運転開発を特徴付けることになるセンシングと意思決定の問題へと分野を押し進めた。グランドチャレンジシリーズの多くの参加者やチームメンバーは、その後、主要な自動運転車両プロジェクトを設立または主導した。スランは後にグーグルの自動運転車プロジェクトを率い、これはウェイモとなった。また、競合チームの多くのエンジニアは、その後20年にわたり、自動車メーカーやテクノロジー企業の自動運転車両部門に人材を供給した。グランドチャレンジは、ImageNetコンペティションの深層学習における役割と並んで、対象を絞った公開競技がAIとロボティクスのサブフィールド全体を加速させる例として頻繁に引用される。また、その現実世界における物理的に具現化された性能への重点は、後に大規模言語モデルの評価を支配することになるMMLUやSWE-benchなどのソフトウェアのみのベンチマークとは対照的であるとしばしば指摘される。