Questo articolo è tratto dal numero di aprile 2006 de Le Scienze, la più importante e autorevole rivista scientifica italiana. Per chi desiderasse approfondire l'argomento, rinviamo al sito della rivista, www.lescienze.it, e ai siti della DARPA Grand Challenge, www.darpa.mil/grandchallenge e www.grandchallenge.org

Il Gran Premio dei Robot

di W. Wayt Gibbs

La Grand Challenge è una gara su lunga distanza per veicoli senza guidatore, promossa dall’ente di ricerca del Pentagono, da cui stanno emergendo innovazioni tecnologiche che potrebbero rivoluzionare il mondo dei trasporti.

In un veicolo moderno, la componente più preziosa e complessa è il guidatore: ed è anche la più inaffidabile del sistema. Negli incidenti stradali, infatti, di solito l’uomo è sia la causa sia la vittima. Ma secondo alcuni ingegneri, specialmente quelli che fabbricano robot, questo problema ha una soluzione ovvia: sostituire il guidatore, che si distrae facilmente e si affatica in fretta, con una macchina, sempre attenta e instancabile. L’esercito degli Stati Uniti si è particolarmente interessato a questa idea, e l’ha finanziata per oltre un decennio ottenendo però solo pochi prototipi, lenti e goffi.

È per questo che nel 2002 il Pentagono ha autorizzato la Defense Advanced Research Projects Agency (DARPA) ad adottare un approccio non convenzionale: organizzare una competizione pubblica con un premio da due milioni di dollari. L’anno dopo il direttore della DARPA, Anthony J. Tether, ha annunciato che la Grand Challenge, la prima gara su lunga distanza per veicoli senza guidatore, avrebbe avuto luogo a marzo 2004 nel deserto del Mojave. Ma nessun robot ce la fece a completare la corsa. La DARPA raddoppiò il premio e organizzò una seconda gara, in una parte differente del deserto, per l’ottobre del 2005.

Una gara di durata per robot

L’obiettivo della Grand Challenge non è produrre un robot che i militari possano avviare direttamente alla produzione in serie, spiega Tether, ma stimolare gli ingegneri ad affrontare i molti problemi che occorre risolvere perché i veicoli riescano ad autopilotarsi ad alta velocità in modo sicuro su un terreno sconosciuto. Insomma, dimostrare che la cosa è fattibile. E a quanto pare lo è. Nella gara di ottobre, cinque veicoli hanno tagliato il traguardo, e quattro di essi hanno coperto i 212 chilometri del percorso in un tempo nettamente inferiore alle dieci ore necessarie per aggiudicarsi il premio.

Ma ancor più importanti dell’esito della gara sono le innovazioni sviluppate dalle squadre della Grand Challenge, comprese quelle applicate a robot che non sono riusciti a concludere la corsa, o nemmeno a qualificarsi. Queste invenzioni gettano le basi per una classe qualitativamente nuova di veicoli terrestri capaci di trasportare merci, scavare nel terreno ed esplorare mondi distanti con un intervento umano minimo o addirittura nullo.

“Il potenziale è enorme,” insiste Sebastian Thrun, direttore dell’Artificial Intelligence Laboratory della Stanford University, che guida anche la squadra corse del laboratorio. “I veicoli automatici diventeranno importanti quanto Internet.”

Da qui a lì

Prima che la previsione di Thrun si realizzi, la robotica dovrà superare ostacoli tecnici ancora più ardui di quelli imposti dalla gara, ma la Grand Challenge è riuscita a chiarire molti dei problemi sul tappeto. Per avere successo in una competizione come questa, i veicoli devono tracciare una rotta veloce e percorribile. Devono essere in grado di determinare la propria posizione e di identificare la strada e gli ostacoli che vi incontrano. Infine devono programmare e manovrare lungo una rotta che aggiri gli ostacoli, ma che non si allontani dal percorso, specialmente ad alte velocità e su terreni scivolosi.

Quando, nell’agosto del 2004, i funzionari della DARPA hanno riunito a Pasadena, in California, circa 550 ingegneri provenienti da sette nazioni e da 42 stati degli USA per rivelare le regole per la Grand Challenge 2005, l’entusiasmo è andato alle stelle. Molti avevano già accantonato il lavoro quotidiano e investito i loro risparmi su un veicolo terrestre a navigazione automatica, nella speranza di aggiudicarsi il premio da due milioni di dollari in palio nella corsa dell’ottobre 2005. Pochi sembravano scoraggiati dai risultati della prima Grand Challenge, tenutasi il 13 marzo 2004, quando solo tredici squadre erano riuscite a mettere in campo un veicolo per una corsa da 228 chilometri e nessuno di essi ce l’aveva fatta a superare la prima salita di montagna. Nel 2004, Sandstorm, fabbricato dal Red Team della Carnegie Mellon University, era stato il robot che era riuscito ad arrivare più lontano e a raggiungere la massima velocità, guidando fino a 60 chilometri all’ora prima di uscir di strada in uno stretto tornante dopo aver percorso dodici chilometri. Ma anche se si era fermato molto prima del traguardo, la prestazione di Sandstorm aveva segnato un nuovo primato nella robotica per fuoristrada, accendendo l’immaginazione di esperti del settore, studenti e appassionati di meccanica arrivati in massa all’appuntamento di Pasadena nella speranza di partecipare alla nuova gara. Il compito di illustrare il regolamento per la Grand Challenge 2005 è toccato a Ron Kurjanovicz, manager del programma della DARPA. Era ammesso alla gara qualunque tipo di veicolo su ruote, ma i commissari avrebbero potuto squalificare i robot che avessero interferito con altri, danneggiato l’ambiente o comunicato in qualsiasi modo con esseri umani durante la gara. Il percorso, definito per mezzo di una lista di punti di riferimento GPS leggibili al computer, sarebbe stato tenuto segreto fino alle quattro del mattino del giorno della gara. “Quest’anno vi dovete preparare a guidare per 281 chilometri in dieci ore o meno,” ha detto Kurjanovicz. “I robot dovranno superare molti ostacoli,” ha avvertito Anthony J. Tether, direttore della DARPA. “Ci sono burroni, canali di erosione, veicoli fermi, sottopassaggi, tralicci dell’alta tensione. E la mattina della gara metteremo anche varie trappole!” ha aggiunto, mostrando una foto che ritraeva inquietanti ostacoli di metallo. “Il nostro lavoro è cercare persone un po’ folli con idee altrettanto folli,” ha detto Tether scherzando solo in parte, “e poi trasformare queste idee il più velocemente possibile in tecnologia alla portata di tutti. Oggi, guardando le persone che sono qui, possiamo dire di esserci riusciti.”

La grande varietà di robot presenti alla Grand Challenge 2005 comprendeva vari mezzi che, come Spider del Team Cornell (in alto), erano stati fabbricati basandosi su veicoli militari. Molti partecipanti hanno adattato veicoli pickup o Suv per concentrare gli sforzi sullo sviluppo di nuovi software e sensori, per esempio lo scanner del terreno a 64 laser della squadra DAD (al centro). Alcuni veicoli sono stati assemblati con pezzi di ricambio, come Tommy del Team Jefferson (in basso).

I funzionari della DARPA hanno svelato il percorso due ore prima dell’inizio della gara, distribuendo un file con la lista dei 2935 punti di riferimento GPS dell’itinerario, in media uno ogni ottanta metri, che i robot dovevano seguire, nonché un limite di velocità e la larghezza dei passaggi più difficoltosi. Molte squadre hanno semplicemente copiato il file nei loro robot senza modificarlo, altre invece hanno usato appositi software per ricavarne rapidamente una rotta per arrivare primi.

Il Red Team della Carnegie Mellon University è arrivato a un altissimo livello di sofisticazione “strategica”: in un ufficio mobile vicino ai blocchi di partenza, il file della DARPA era atteso da tredici tecnici di gara, tre addetti alla regolazione della velocità, tre manager, un esperto di statistica e uno stratega. Al suo arrivo, un sistema informatico realizzato con l’aiuto della Science Applications International Corporation, uno dei maggiori fornitori della Difesa, ha cominciato a sovrapporre alla mappa dell’area della gara le immagini di un database contenente foto aeree e da satellite con una risoluzione di circa un metro e modelli digitali di profili altimetrici e stradali ottenuti da una ricognizione sui 4800 chilometri quadrati del deserto del Mojave.

Il sistema ha creato i percorsi iniziali per Sandstorm e H1ghlander, i due mezzi del team, convertendo ogni vertice in una curva (per ognuna delle quali calcolava una velocità di sicurezza) e adeguando le velocità massime consentite a quelle determinate dopo mesi di collaudi nel deserto presso il Nevada Automotive Testing Center. Il software ha poi diviso il percorso in segmenti, ognuno sotto la responsabilità di un tecnico di gara.

Sfogliando immagini, mappe topografiche e scansioni delle ricognizioni, i tecnici hanno eleaborato una tattica di guida nello stesso modo in cui l’avrebbe fatto un pilota umano. Hanno attribuito una “bassa velocità” a ogni tratto vicino a valichi, tunnel e viadotti, e una “velocità massima” alle strade asfaltate e ai fondi di laghi asciutti. Nel frattempo, i capi squadra hanno esaminato gli istogrammi delle proiezioni delle velocità e delle stime dei tempi di percorrenza. Il capo del team, William Red Whittaker, ha così assegnato i tempi di completamento e il sistema ha impostato le velocità di conseguenza.

Sulla strada

Le strade cambiano nel tempo, in particolare quelle nel deserto, perciò le mappe vanno sempre aggiornate, e anche la rotta più perfetta è inutile se il robot non sa dove si trova e dove deve andare. Nella Grand Challenge, ogni veicolo era equipaggiato con ricevitori GPS, che in genere hanno una precisione di almeno un metro, ma canyon e passaggi sopraelevati bloccano il segnale e in alcuni casi sono fonti di errori imprevedibili. La maggior parte delle squadre, perciò, ha aggiunto al proprio robot altri sistemi di tracciamento.

Una squadra di studenti di liceo di Palos Verdes, in California, si è ispirata ai mouse ottici e ha installato una lampada sul suo robot, Doom Buggy, dirigendone la luce sul terreno. Una telecamera puntata sulla luce percepisce al millimetro il movimento orizzontale in ogni direzione.

Una motocicletta che curva da sola

Ghostrider ha viaggiato senza assistenza per 32 chilometri di seguito durante un collaudo nel deserto.

Un motociclista umano curva la moto sia portando il peso all’interno della curva sia girando il manubrio nel senso della curva. Anthony Levandowski, capo della Blue Team, con sede a Berkeley, in California, sapeva che non sarebbe stato pratico collocare e spostare una grande massa sulla parte superiore della sua motocicletta con guida automatica affinché simulasse la presenza di un pilota. Così ha inventato un nuovo metodo, che per far curvare la moto usa solo la ruota anteriore.

1. Quando non è in movimento, la moto si regge grazie a una coppia di cavalletti retrattili (a). 2. Impiegando dei giroscopi per determinare l’orientamento della moto, i computer di bordo sterzano leggermente la ruota anteriore a sinistra o a destra (b) per far sì che il veicolo si mantenga in piedi e vada diritto. 3. Per effettuare una svolta a destra, il robot muove brevemente la ruota anteriore verso sinistra (c), determinando l’inclinazione della moto verso destra... 4. ...Poi raddrizza la ruota, mentre il telaio continua a inclinarsi verso destra (d), e infine sterza verso destra (e) per fermare la caduta. Il veicolo mantiene questa posizione, in cui la spinta della forza centrifuga bilancia la forza di gravitò, per tutta la durata della svolta. 5. Per uscire dalla curva, spinge la ruota anteriore ancor più verso destra (f): il movimento incrementa la forza centrifuga e raddrizza la motocicletta.

 6. Un leggero colpo della ruota verso destra (g) ferma la rotazione del telaio e rimette il veicolo in direzione rettilinea (h).

La squadra dell’Intelligent Vehicle Safety Technologies (IVST) ha usato una tecnica simile per il suo furgoncino. Un radar puntato verso terra percepisce nella frequenza del fascio riflesso gli spostamenti Doppler da cui il robot calcola poi con notevole precisione il moto relativo.

Nel deserto anche i piloti umani fanno fatica a individuare il percorso, e ci vuole un software davvero intelligente per distinguere un sentiero da ciò che non lo è. L’esperienza della Grand Challenge suggerisce che la visione migliore per riuscirci è fornita dagli scanner laser. “Spazzando” rapidamente con un fascio laser infrarosso il paesaggio di fronte al veicolo, lo scanner crea una “nube di punti” tridimensionale. Un singolo fascio laser, però, non può tener conto contemporaneamente e con adeguata precisione sia degli oggetti distanti sia della strada vicina, quindi in genere se ne usano diversi.

La gara per la partenza

Ma più laser non sono necessariamente meglio di uno. L’IRV, la jeep automatica della squadra Indy Robot Racing, ne usava undici. Tuttavia, durante le prove di qualificazione, i sensori del veicolo hanno perso la coordinazione, la jeep è finita contro le balle di paglia, ha preso fuoco ed è stata eliminata. Senza un’accurata calibrazione, gli scanner laser collocano gli ostacoli nei punti sbagliati sulla mappa interna del robot.

David Hall, tel team Dad, con sede a Morgan Hill in California, ha realizzato un nuovo tipo di sensore laser che affronta il problema della calibrazione fissando 64 laser all’interno di una piattaforma circolare che compie dieci giri al secondo (come si legge nel riquadro Robot che vedono oltre gli ostacoli.) Nelle prove pre-gara, il sensore era in grado di rilevare la presenza di ostacoli delle dimensioni di una persona da una distanza di circa ottanta metri.

Il Red Team ha adottato un approccio differente, ma innovativo, con due dei suoi robot. Entrambi hanno un singolo laser, ma che fa il lavoro di molti perché ruota e si inclina sulla cima di un braccio articolato chiamato gimbal. Il laser può inclinarsi in sù e in giù quando il veicolo affronta una salita o una discesa, e ruotare a destra o a sinistra se c’è una curva.

Gli ingegneri del Red team hanno montato anche giroscopi a fibra ottica su ciascuno dei tre assi del gimbal e li hanno collegati ad alcuni meccanismi che stabilizzano il laser in modo da mantenerlo in asse anche quando il veicolo compie un salto. Purtroppo, però, il team non è riuscito a integrare la stabilizzazione con gli altri sistemi in tempo utile per impiegarli nella gara. Ma sia Motion Zero, una società appena lanciata dal Blue Team di Berkeley, in California, sia HD Systems di Hauppage, nello stato di New York, stanno miniaturizzando la tecnologia e intendono metterla in commercio.

Il cammino verso il futuro

Per quanto siano indispensabili, i laser hanno alcuni inconvenienti. Hanno un costo variabile tra i 25.000 e i 100.000 dollari, quindi realizzare scanner laser ad ampio raggio costa parecchio. Altri tipi di sensori, come le videocamere e i radar, possono “vedere” più lontano, pur costando meno; ma anche questi strumenti hanno dei punti deboli, e producono fiumi di dati che sono difficili da elaborare. Numerosi gruppi hanno equipaggiato i loro robot con una combinazione di sensori, ma solo alcuni sono riusciti a integrare le varie tecniche in modo da avere un modello dal cammino sicuro e veloce.

Per le semifinali della Grand Challenge, il 28 settembre 2005 sulla pista del California Speedway di Fontana sono scesi in campo 43 robot. Negli otto giorni della manifestazione ognuno di essi avrebbe avuto quattro chance di provare la propria velocità lungo i tre chilometri e più del percorso, che i responsabili avevano disseminato di cancelli, macchine parcheggiate, pile di pneumatici e una galleria che bloccava la ricezione GPS. Chris Urmson del Red Team e Sebastian Thrun dello Stanford Racing Team hanno osservato la competizione dalle tribune.

Mentre guardava i robot presenti - dalle minimoto da cento chili ai mezzi militari da 16 tonnellate - il viso di Urmson si è aperto in un sorriso: “Questo potrebbe essere lo spettacolo più interessante che abbia mai visto!” ha esclamato.

I veicoli in mostra sono stati selezionati in un folto gruppo. La DARPA ha accettato le richieste di partecipazione di 195 squadre, fra cui tre scuole superiori, 35 università e tutti i 15 finalisti della Grand Challenge 2004. Molte università di prestigio che non avevano partecipato alla prima gara - come Stanford, Cornell, Princeton, l’Università della California di Los Angeles e il Massachusetts Institute of Technology (MIT) - hanno partecipato alla seconda.

Solo 118 squadre hanno superato la prima selezione, basata su un documento tecnico e su una ripresa video del veicolo in azione. In maggio, i funzionari della DARPA hanno visitato ciascuna squadra per un’ispezione sul posto e una dimostrazione di una corsa a zig zag. Gli stessi funzionari hanno cronometrato ciascun robot nell’arco di tre giri di pista e piazzato bidoni dell’immondizia sul suo cammino per testarne la capacità di evitare gli ostacoli.

Le squadre tecnicamente più avanzate hanno inviato i loro robot su un quarto percorso, più lungo, per mostrarne le capacità di guida automatica. Alle Cedar Rapids, nell’Iowa, il veicolo Oshkosh del team Terramax è riuscito a far passare i suoi due metri e mezzo di larghezza fra i coni spartitraffico evitandoli di qualche centimetro. Nei dintorni di una vecchia acciaieria di Pittsburgh, l’H1ghlander del Red Team ha viaggiato a 40 chilometri all’ora su una strada cosparsa di pietrisco e si è infilato agevolmente nel sottopasso di una ferrovia.

Fin dal primo giorno di qualificazione è stato chiaro che in appena 18 mesi la tecnologia aveva fatto passi da gigante. Undici dei 43 concorrenti hanno completato il percorso a ostacoli al primo tentativo, e alla fine della prova sono stati 25 i robot qualificati, alcuni dei quali avevano toccato i 64 chilometri orari. Due dei finalisti erano rimasti seriamente danneggiati e sono stati perciò eliminati. E la DARPA ha inviato gli altri 23 a Primm, nel Nevada, per tentare di accaparrarsi il premio da due milioni di dollari.

La selezione. Il Manticore del MIT (in alto) ha fallito la prova. L’IRV, fabbricato dall’Indy Robot Racing, ha preso fuoco sulle balle di paglia a Fontana (al centro). Il Team ENSCO è rimasto in gara per il premio finché il suo robot Dexter (in basso) non è finito contro un masso al chilometro 130 del percorso.

Oshkosh, il veicolo robotico da sedici tonnellate del gruppo Terramax, ha completato la corsa grazie a un nuovo sistema di visione “trioculare” progettato dal gruppo di Alberto Brogli dell’Università di Parma. Il programma sceglie fra tre possibili coppie di videocamere per ottenere un’accurata visione stereo del terreno vicino, a media distanza o lontano. Quanto più è alta la velocità, tanto più lontano il robot riesce a spingere lo sguardo.

Dopo la gara, Thrun ha osservato che uno dei vantaggi chiave di Stanley, il robot vincitore, fosse il suo regolatore di velocità basato sulla visione. Stanley usa un semplice sistema automatico che accelera ogni volta che vede davanti a sé una strada lunga e pianeggiante (come si legge nel riquadro La visione collegata alla velocità.)

Alcune delle innovazioni di maggiore portata, però, erano nei robot che non hanno tagaliato il traguardo. Il gruppo IVTS, per esempio, ha dedicato i collaudi nel deserto a configurare in modo ottimale i sensori della sua Desert Tortoise per un’ampia gamma di scenari. “Quando il robot guida,” spiega il team leader William Klarquist, “il veicolo sceglie uno scenario appropriato: spegne alcuni sensori, ne accende altri e stabilisce il grado di confidenza da attribuire a ciascuno di essi.” La tecnica dovrebbe permettere a un robot di passare dal deserto a - poniamo - un terreno agricolo continuando a comportarsi adeguatamente.

Nell’IRV, l’Indy Robot Racing Team ha integrato un sistema di sensori plug and play che forse sarà essenziale per la nascita di un’industria di veicoli automatici. Agli ingegneri serviva un modo per montare e smontare facilmente sia i sensori sia i moduli software del robot durante i test di perfezionamento del sistema. Così hanno inventato un protocollo di rete (analogo a quello su cui si basa il Web) per la guida automatica. Ciascun sensore nell’IRV è rilevato da un computer dedicato, che a partire dai dati grezzi fornisce un insieme, poi tradotto in un protocollo di rete, di coordinate e dimensioni degli ostacoli. Ciascun sensore trasmette la propria lista di ostacoli a tutti gli altri e al computer centrale, che ha il compito di pianificare il cammino. Questo rende la rimozione di un radar in avaria o l’aggiornamento di un algoritmo facili come cambiare uno pneumatico.

Il prossimo traguardo dei veicoli terrestri a guida automatica non è ancora chiaro. Tether scommette sull’interesse militare per convogli guidati da un essere umano sul veicolo di testa che invia le coordinate a una fila di robot che lo seguono. Whittaker spera che H1ghlander riesca a rendersi utile nella sua fattoria, e abbozza proposte per una missione lunare. Sia lui sia Thrun affermano di avere ricevuto laute offerte da investitori privati nei giorni precedenti la gara.

Robot che vedono oltre gli ostacoli

La maggior parte degli scanner laser lancia un singolo fascio infrarosso verso una zona e traduce il riflesso in un modello 3-D detto “nube di punti”. Il nuovo scanner di DAD diffonde 64 raggi laser a dieci giri al secondo, tracciando un modello estremamente dettagliato. Da questo modello, il software di rilevazione degli ostacoli crea una “mappa dei costi” bidimensionale che assegna al terreno liscio un basso costo (in verde) e a qualunque altro elemento al di sopra o al di sotto di esso un costo più alto (in rosso). Il cammino ottimale ha il costo più basso e permette la velocità più elevata. In generale i tornanti sono curve cieche per i robot. Ma DAD, H1ghlander e Sandstorm possono vedere l’altro lato della curva prima di arrivarci. DAD ha un campo visivo di 180°; i robot del Red Team fanno ruotare i loro gimbal. Le strade sconnesse fanno ballare i laser fissi, creando lacune nel modello 3-D. Il gimbal del Red Team usa degli attuatori per annullare il movimento. Il risultato è una percezione più affidabile, specialmente quando il robot “guarda” a distanza.

Il gimbal a tre assi montato su H1ghlander e Sandstorm può beccheggiare, rollare e imbardare per puntare il laser ad ampio raggio in qualunque direzione nel senso di marcia.

La visione collegata alla velocità

 Insomma, qualunque cosa succeda, questi robot continueranno a muoversi!

E il vincitore è...

“L’anno scorso, la notte prima della gara, non facevo che pensare: Non fallire, Sandstorm!” ricorda la mattina dell’8 ottobre 2005 Chris Urmson, uno dei capi tecnici della squadra. “Quest’anno ho come una sensazione di anticipazione, come se stesse per arrivare Babbo Natale.”

Alle quattro di mattina meno 90 secondi, il percorso appare sugli schermi della roulotte dove il Red team pianifica il percorso. “La cosa si fa eccitante!” esclama Alexander Gutierrez osservando l’itinerario apparire via via sul monitor.

Michael Montarmelo, programmatore capo della squadra di Stanford, sta guardando una visualizzazione simile del percorso sul computer portatile all’interno di Stanley: “Che diavolo succede? C’è ogni tipo di sovrapposizione, continua ad andare dentro e fuori. Ecco: qui ci sono le montagne, proprio alla fine.” Sebastian Thrun, il team leader, guarda al di sopra delle sue spalle: “Purtroppo è piuttosto corto,” commenta.

I commutatori intelligenti di velocità che hanno aiutato Stanley a vincere la Grand Challenge 2005 combinano laser e sensori video in un processo a quattro stadi. Il robot filtra i suoi dati laser per identificare una sezione liscia e relativamente piatta del terreno (in verde). Poi un programma trova il corrispondente tratto di strada (bordo blu) nell’inquadratura video inviata dalla videocamera di bordo. In seguito, il sistema evidenzia tutte le altre aree che nella stessa inquadratura video corrispondono allo schema, identificando così una strada percorribile (in arancione). Se ci riesce, il sistema conclude che ha di fronte una lunga strada aperta e informa il computer che è possibile premere con sicurezza sull’acceleratore.

Il Trinocular Terramax (qui sopra) può realizzare una visione stereo in 3-D del mondo con ciascuna delle tre coppie (frecce) delle sue telecamere a colori. La camera più vicina (in viola), usata a basse velocità, può rilevare ostacoli fino a 16 metri davanti a sé. A velocità maggiori il robot seleziona la coppia più ampia (in arancione), che può cogliere oggetti da 22 a 55 metri davanti a sé. La terza coppia (in rosa) offre una buona via di mezzo. Il Trinocular potrebbe rilevare i pilastri di un sottopassaggio a partire dalle osservazioni delle sue camere stereo ad ampio raggio (zona arancione a sinistra). Via via che il veicolo rallenta, passerà a quelle a medio e corto raggio per essere sicuro di notare tutti gli ostacoli presenti in video.

H1ghlander è il primo a partire. Se rispetta il programma di marcia, come ha sempre fatto in otto mesi di collaudi nel deserto, il veicolo completerà il percorso all’una del pomeriggio, dopo 6,3 ore di gara. Stanley parte cinque minuti dopo, seguito da Sandstorm e dagli altri robot a intervalli di 5-10 minuti.

Alle 8,35 del mattino il pickup del team DAD con i laser rotanti ha sorpassato il veicolo dell’IVST e sta per raggiungere Sandstorm. Un’ora più tardi H1ghlander avanza in una tempesta di polvere da 64 chilometri all’ora, portando il suo vantaggio su Stanley a sette minuti. Il quale, nel frattempo, si è portato ancora più avanti a Sandstorm, che il Red Team ha programmato per un’andatura di sicurezza di sette ore come parte di una strategia “lepre e tartaruga”. Dexter, del team ENSCO, che era partito in mezzo al gruppo, sta facendo un gran tempo.

Ma appena H1ghlander supera la ferrovia e incontra un terreno sdrucciolevole, si ferma a metà di una salita e scivola indietro, fino al fondo; poi risale, e cade di nuovo. Al terzo tentativo arriva in cima alla collina, ma è chiaro che il suo motore non ce la fa più. Stanley recupera, e poco dopo mezzogiorno un boato di soddisfazione esplode da un nutrito gruppo di sostenitori di Stanford e della Volkswagen mentre Stanley si colloca in testa alla corsa.

Alle 13,51 Stanley arriva sulla linea del traguardo, seguito a poca distanza da H1ghlander e Sandstorm. KAT-5, del team Gray, arriva al tramonto, e i commissari impongono una pausa a Terramax, che passa la notte a girovagare nel deserto e completa la sua missione il mattino dopo. Dopo aver controllato le tabelle orarie dei robot, il direttore della DARPA Tether dichiara Stanley vincitore della Grand Challenge, con un margine di vantaggio di 11 minuti.