Stanley es un automóvil autónomo creado por el equipo de carreras de Stanford de la Universidad de Stanford en cooperación con el Laboratorio de Investigación Electrónica de Volkswagen (ERL) . Ganó el DARPA Grand Challenge de 2005 [1] , lo que le valió al equipo de carreras de Stanford un premio de 2 millones de dólares.
Dirigido por el profesor asociado Sebastian Thrun , [2] director del Laboratorio de Inteligencia Artificial de Stanford , el Stanford Racing Team fue desarrollado únicamente con el propósito de competir en el DARPA Grand Challenge de 2005. Stanford no participó en el DARPA Grand Challenge de 2004 y se consideró que tenía 20:1 posibilidades de ganar la competencia de 2005. [3] El automóvil se encuentra actualmente en el Museo Smithsonian de Historia Estadounidense. Se exhibió en el Salón Internacional del Automóvil de Nueva York de 2006 y durante dos años en el Museo Volkswagen Autostadt (Alemania). El Stanford Racing Team presentó un nuevo vehículo, un Volkswagen Touareg familiar modificado, denominado "Junior", en el DARPA Urban Challenge de 2007 . [4] Otros colaboradores clave del equipo incluyen a Michael Montemerlo (líder de software), Sven Strohband (ingeniero de hardware líder), David Stavens (ingeniero/robótico), Hendrik Dahlkamp (líder de visión por computadora), Cedric Dupont (líder de vehículos) y Pamela Mahoney (líder de comunicaciones). [5]
.jpg/1280px-Pimp_my_ride_(12396787).jpg)
El coche comenzó como un Volkswagen Touareg diésel europeo estándar proporcionado por ERL de Volkswagen para la competición. El equipo de carreras de Stanford eligió el Touareg por su sistema de control " drive by wire " que podía adaptarse (y así lo hizo ERL) para que funcionara directamente desde una computadora de a bordo sin el uso de actuadores o servomotores; sin embargo, el volante era accionado por un motor eléctrico y el cambio de marchas se realizaba con un pistón hidráulico). [6]
Para la navegación, el vehículo estaba equipado con cinco unidades LIDAR de Sick AG montadas en el techo para construir un mapa tridimensional del entorno, complementando así el sistema de detección de posición GPS . Un sistema de guía interno que utilizaba giroscopios y acelerómetros controlaba la orientación del vehículo y también servía para complementar los datos del GPS y otros sensores. Una cámara de vídeo proporcionaba datos de guía adicionales para observar las condiciones de conducción hasta ochenta metros (más allá del alcance del LIDAR) y para garantizar que hubiera suficiente espacio para la aceleración. Stanley también tenía sensores instalados en un hueco de rueda para registrar un patrón impreso en el neumático y actuar como un odómetro en caso de pérdida de señal (por ejemplo, al conducir a través de un túnel). Utilizando los datos de este sensor, el ordenador de a bordo puede extrapolar la distancia recorrida desde que se perdió la señal. [7]
Para procesar los datos de los sensores y ejecutar decisiones, el automóvil estaba equipado con seis computadoras de bajo consumo basadas en Intel Pentium M de 1,6 GHz en el maletero, que ejecutaban diferentes versiones del sistema operativo Linux .
La Escuela de Ingeniería desarrolló las 100.000 líneas de software para interpretar los datos de los sensores y ejecutar las decisiones de navegación. Utilizando lo que Popular Mechanics describió como una "jerarquía robótica común", el vehículo utiliza "módulos de bajo nivel que alimentan los datos brutos del LIDAR, la cámara, los equipos GPS y los sensores inerciales en programas de software [para controlar] la velocidad, la dirección y la toma de decisiones". [6]
El vehículo contaba con un enfoque basado en el aprendizaje automático para la detección de obstáculos. Los datos de los LIDAR se fusionaron con imágenes del sistema de visión para realizar una mirada distante hacia delante. Si no se podía detectar un camino de terreno transitable a por lo menos 40 metros frente al vehículo, se reducía la velocidad y se utilizaban los LIDAR para localizar un paso seguro.
Para corregir errores comunes cometidos por el vehículo al principio de su desarrollo, el equipo de carreras de Stanford creó un registro de "reacciones y decisiones humanas" e ingresó los datos en un algoritmo de aprendizaje vinculado a los controles del vehículo; esta acción sirvió para reducir los errores. El registro informático de las personas al volante también hizo que el automóvil fuera más preciso en la detección de sombras, un problema que había causado muchas de las fallas del vehículo en el DARPA Grand Challenge de 2004. [ 6]
