DARPA Urban Challenge: Boss navega el tráfico urbano

El 3 de noviembre de 2007 once equipos finalistas recorrieron un circuito urbano simulado en el antiguo aeródromo George cerca de Victorville, California. Boss de CMU (Tartan Racing) terminó primero y ganó 2 millones de dólares, con Junior de Stanford en segundo lugar.

Fecha del evento: Publicado:
HistoriaInvestigación

El 3 de noviembre de 2007, once equipos finalistas enviaron vehículos autónomos por un circuito urbano simulado en la base aérea George cerca de Victorville, California, en el DARPA Urban Challenge. A diferencia del Grand Challenge desértico, los robots debían respetar las normas de tráfico de California: incorporarse, aparcar, detenerse en cruces y negociar tráfico mixto con vehículos robot y humanos. Los organizadores anunciaron al ganador el 4 de noviembre de 2007.

Boss se lleva los 2 millones de dólares

Boss, un Chevrolet Tahoe del Tartan Racing (Carnegie Mellon University y General Motors), completó la ruta en poco más de cuatro horas y ganó el premio de 2 millones de dólares. El vehículo fusionó LIDAR, radar y cámaras mediante fusión de sensores y planificó maniobras con software de planificación de movimiento a bordo. William Red Whittaker dirigió el esfuerzo de CMU; Chris Urmson fue un líder técnico clave en Boss. El resumen de carrera publicado por CMU sitúa el circuito en unos 90 km.

Stanford quedó segundo con Junior, un Volkswagen Passat del mismo grupo que ganó la carrera desértica de 2005 con Stanley bajo Sebastian Thrun, y recibió 1 millón de dólares. Virginia Tech fue tercero con Odin (500.000 dólares). Seis de los once finalistas completaron la ruta completa dentro del límite de tiempo.

Del desierto al centro urbano

El Urban Challenge siguió a la victoria desértica de Stanley en 2005 y demostró que la conducción autónoma podía manejar carreteras estructuradas, no solo terreno abierto. Los equipos combinaron mapas, predicción de otros vehículos y planificadores conservadores orientados a la seguridad. El evento mantuvo a patrocinadores militares y automovilísticos invirtiendo en percepción y planificación años antes de que el aprendizaje profundo dominara la visión en calle.

Por qué importa

Boss mostró que sensores en capas más planificación explícita podían cumplir un reglamento de conducción estricto a la vista del público. Las mismas líneas de CMU y Stanford alimentaron después programas comerciales de conducción autónoma. El Urban Challenge ocupa en la cronología el espacio entre la robótica clásica de aprendizaje automático y el renacimiento de redes neuronales acelerado por GPU que AlexNet destacaría en 2012.