DARPA Urban Challenge : Boss traverse le trafic urbain

Le 3 novembre 2007 onze équipes finalistes ont parcouru un parcours urbain simulé sur l'ancienne base aérienne George près de Victorville, en Californie. Boss de CMU (Tartan Racing) a fini premier et remporté 2 millions de dollars, Junior de Stanford en second.

Date de l'événement: Publié:
HistoireRecherche

Le 3 novembre 2007, onze équipes finalistes ont envoyé des véhicules autonomes sur un parcours urbain simulé à la base aérienne George près de Victorville, Californie, dans le cadre du DARPA Urban Challenge. Contrairement au Grand Challenge désertique, les robots devaient respecter le code de la route californien : insertion, stationnement, arrêts aux intersections et trafic mixte mêlant véhicules robot et humains. Les organisateurs ont annoncé le vainqueur le 4 novembre 2007.

Boss remporte 2 millions de dollars

Boss, un Chevrolet Tahoe engagé par Tartan Racing (Carnegie Mellon University et General Motors), a terminé le parcours en un peu plus de quatre heures et remporté le premier prix de 2 millions de dollars. Le véhicule a fusionné LIDAR, radar et caméras via une fusion de capteurs et planifié les manœuvres avec un logiciel de planification de mouvement embarqué. William Red Whittaker dirigeait l’équipe CMU ; Chris Urmson était un responsable technique clé sur Boss. Le compte rendu de course publié par CMU situe le parcours à environ 90 km.

Stanford a terminé second avec Junior, une Volkswagen Passat construite par le même groupe qui avait gagné la course désertique de 2005 avec Stanley sous Sebastian Thrun, et a reçu 1 million de dollars. Virginia Tech a fini troisième avec Odin (500 000 dollars). Six des onze finalistes ont complété l’itinéraire complet dans le délai imparti.

Du désert au centre-ville

L’Urban Challenge a suivi la victoire désertique de Stanley en 2005 et a prouvé que la conduite autonome pouvait gérer des routes structurées, pas seulement le terrain ouvert. Les équipes ont combiné cartographie, prédiction des autres véhicules et planificateurs prudents calibrés pour la sécurité. L’épreuve a maintenu l’investissement de sponsors militaires et automobiles en perception et planification des années avant que l’apprentissage profond ne domine la vision routière.

Pourquoi c’est important

Boss a montré que des capteurs empilés plus une planification explicite pouvaient respecter un règlement de conduite strict en public. Les mêmes lignées CMU et Stanford ont ensuite alimenté des programmes commerciaux de conduite autonome. L’Urban Challenge se situe dans la chronologie entre la robotique classique en apprentissage automatique et la renaissance des réseaux de neurones accélérée par GPU que AlexNet mettrait en lumière en 2012.