9月初从预选赛中胜40强们主要使用两种障碍回避策略：基于地形的策略和基于行为的策略。采用基于地形策略的车辆使用多种传感器——立体摄像机，雷达传感器，激光传感器和/或光雷达（LIDAR, light detecting and ranging device）——来获取不同的数据以建立所谓的“地形图。”接着，车载计算机将使用自制软件来检查这些数据，标识出潜在的障碍。
以弗吉尼亚科技大学的“Rocky”车为例，该车的软件将生成一个象瓷砖地面一样的网格图，每个网格代表一平方英尺的面积。接着，车载计算机将处理由Sick Optic激光测量系统传来的数据，并根据这些数据给每个网格赋上0~10的数值，网格的数值为10表示该网格表示的区域是不可能通过的障碍。“例如，当我们看到岩石的时候，我们就会给相应的网格赋上较大的值，告诉汽车那里不能走，” Reinholtz说。接着，系统会使用如Djikstra法则或者A*法则之类的软件编码在障碍物之间绘制一条行驶路线。“它的原理与下跳棋类似，你在棋盘的一端开动汽车，目标就是到达棋盘的另一端，” Reinholtz说。
基于地形的方法有一个主要的缺陷：车辆有时候会对一些不存在或者很微小的障碍做出过激反应。“如果激光头前面有雨滴、雪片或者昆虫飞过的话，系统会误认为前方有障碍，并且把它绘制到网格图上，” Reinholtz说，“接着，汽车就会试图去避开这些‘障碍’。”
因此，弗吉尼亚科技大学的工程师们买了份‘双保险’，他们另外制造了一辆使用行为策略的名为“Cliff”的无人驾驶赛车。Reinholtz说，这种方法使用基本逻辑命令来决定汽车的动作，它需要的计算量比基于地形方法的要小，而决策速度也比前者要快。汽车只需要对诸如“前方路上有障碍吗？”或者“前面有路可走吗？”等基本逻辑问题做出判断就可以进行决策了。“行为策略不需要长时记忆，” Reinholtz解释道。“这种策略的工作方式就是，观察周围是否有路，如果有路的话，就沿着路走。”
密集计算
如果没有汽车——用轮子上的超级计算机形容或者更贴切一些——的支持的话这两种策略都不可能有效的实施。以卡内基美隆的赛车（“Sandstorm”和“Highlander”）为例，这两款车上都装有Intel NetStructure 服务器，该服务器由5片组成，每片上面都装有一个Pentium M微处理器。Pentium M将处理汽车的传感器数据，计划任务以及行动任务（如给线控推进，驾驶，刹车系统发出相关指令等）。为了弥补NetStructure服务器的不足，卡内基美隆的汽车还使用了一台更小的机架服务器（rack-mount server）该服务器装有两个Intel Itanium微处理器，使用并行运算架构。Itanium具有比Pentium M更强的浮点运算能力，可用来处理运算量更大的将传感器数据转换成导航信息的任务。
而其他参赛队伍也在汽车上使用了运算能力巨大的服务器。弗吉尼亚科技大学，罗彻斯特理工大学，加州大学—柏克莱分校，Ensco设计组，Axion设计组都在汽车上装载了各种计算机，运动控制卡，数据收集卡，视觉系统以及由National Instruments生产的LabView软件。同时DAD设计组（由Digital Auto Drive公司的Hall命名）可能在他们的车上装了多达15个的Texas Instruments (TI)生产的数字信号处理器（DSPs）。DAD设计组还使用专利导航技术，该技术包括装载汽车顶部一列旋转桶状激光发射装置，他们还综合使用了TI C2406和TIC6000数字信号处理器来处理数据。因为，该设计组的工程师们相信只有获取巨量的数据才能制出可靠的地形图来。
“我们处理的数据量大的让人无法想象，”Hall 说，“我们的赛车每秒钟大约要处理360亿象素。”
电子工程师认为车辆行驶的速度越快所要分析的前方距离就越大，就越进行大量的计算。就拿卡内基美隆的赛车来说，尽管赛车当初设计的时候想要分析前方50米以内的地形，但最终却没有达到目标。因为这需要的计算量实在太大了。
“目前生产的服务器一般只能分析前方20米的地形，”Intel公司的Chen说，“如果你想分析的更远的话就得收集更多的数据，这就超越了计算机的计算能力了。”在工程师们考虑如何收集更多的传感器数据的同时，他们还必须考虑线控驾驶系统的设计。事实上，每一辆汽车上或多或少的都有一些线控设备：从简单的开启刹车踏板和方向盘的舱内系统到那些在引擎盖中工作的复杂设备。不管的是哪种不管的是哪种线控系统，都必须与服务器相连，以获取由计算机发出的指令。
DAD设计组就使用TI C2406数字信号处理器来控制20马力的稀土无刷直流转向马达。同样的，他们也使用了两个TI生产的数字信号处理器来控制节流阀和刹车板马达，这两个马达装在Toyota Tundra 4 ～ 4型汽车前排两个驾驶座中间的隆起部位。该设计组还使用了专门TI控制器来处理的GPS设备（由John Deere NavCom Technology公司生产）接受到的卫星信号，并把它转换为导航信息。
市场化的可能性
尽管第一界挑战赛的以失败告终，但大多数参赛者还是相信2005年的赛事将向世人展示，自动汽车技术已经成熟，并且即将面向市场。
“从军工市场入手的话，你遇到的约束会小的多，”Hall说。“你不用担心法律和成本的问题，而且人们也不会关心这些技术看起来这么样。”但是这些技术想要进入汽车市场的话，可能还要花很长的时间。成本，法律因素以及象美国高速公路交通安全局HTSAN等组织提出的技术标准都会减慢无人驾驶汽车市场化的脚步。
而且许多工程师还相信，挑战赛中出现的障碍探测技术将对自动防撞系统的发展产生深远的影响。
“如果你从增强车辆安全性能的角度来看个问题的话，我们将在10月看到许多让人惊异的技术。”Inetel的Chen说。
而且，工程师们还相信，挑战赛还奖向世人证实无人驾驶汽车从技术上讲已经可以实现了，剩下就是公众接受不接受的问题了。“这从技术上讲已经行得通了，” Digital Auto Drive 的Hall说，“我们现在距相关法律的出台的时间可以用年来计算了。” 
