美团京东无人配送技术

可视化演示

配送机器人基础：赛博骑手的上岗之路

把配送机器人想象成一个"赛博骑手"——没有心跳，却有齿轮；不会喊累，却会提醒"电量低"。和人类骑手一样，它也要经历严格的"培训期"才能上岗：先在封闭园区里跑测试，再进入真实街道试运营，最后才敢接单赚钱。

这个"培训期"其实就是无人配送行业的发展轨迹。早在2016年，京东就启动了无人配送车研发，当时只能在约一千米的封闭道路上运行；2020年疫情之后，美团无人配送车在北京顺义落地常态化运营，开始配送真实外卖订单。从实验室到街道，一条清晰的晋级路就此展开：算法能跑通 → 设备能稳跑 → 系统能商用。

配送机器人的核心战场是"最后一公里"——从社区配送站、外卖驿站到用户楼下的末端环节。这个环节距离短、频次高、路况复杂，恰恰是人力成本最高、自动化替代价值最大的部分。按照运载方式，可大致分为两类：地面轮式无人车（如美团的"小袋"）适合小区和园区道路；低空无人机则能跨越河道、马路等地面阻隔，适合应急场景。部分厂商还推出了室内外一体机器人，能乘电梯、入户送达。

就像骑手小哥要考取驾照才能接单，配送机器人也必须通过层层"路考"——感知、决策、控制样样合格，才有资格走向真实街道。接下来，我们看看赛博骑手是如何"看见"世界的。

环境感知系统：骑手的火眼金睛

一个合格的骑手，首先得有一双好眼睛。赛博骑手的眼睛不长在脸上，而是分布在车身四周的传感器阵列里：激光雷达像"手电筒"，不停地向四周发射光束、测量反射时间，从而精确感知障碍物的距离；摄像头则像"人眼"，捕捉颜色、纹理、交通标志和行人轮廓。

环境感知系统回答一个根本问题："我在哪里，周围有什么？"激光雷达给出精确的三维点云，摄像头提供丰富的语义信息——这是行人、这是车辆、这是红绿灯，GPS和轮速计则提供位姿参考。但单独使用任何一种传感器都有短板：摄像头在夜间和逆光下会失灵，激光雷达在雨雪天气噪点会增多，GPS在城市高楼间误差会拉大。于是，"多源感知融合"成了必经之路：让多种传感器协同工作、取长补短。最简单的融合方式是对同一目标的多路观测做加权平均，每个传感器的可信度由当前环境动态决定——晴天摄像头权重高，夜间激光雷达权重高。

通俗说：把"眼睛看到的位置"和"雷达测到的位置"加权取平均，谁更可靠就多信谁。

导航定位技术：骑手的脑中地图

骑手心里都有一张城市地图，知道从国贸到望京该走哪条道。赛博骑手同样需要这样的方向感，但它不靠直觉，而是靠导航定位技术。

导航定位要回答三个层层递进的问题：我在哪里（定位）、周围地形什么样（建图）、怎么从 A 到 B（路径规划）。GPS 提供全局坐标，但误差可达 5-10 米，无法支撑机器人在 1 米宽的窄道上精确贴边行驶。于是 SLAM（同时定位与建图）技术登场：机器人一边探索未知环境，一边用激光雷达和视觉数据构建地图，同时在地图中确定自身位置。美团和京东的无人配送车都采用了激光 SLAM 与视觉 SLAM 融合的方案，实现厘米级定位。

有了地图和实时位置，路径规划算法负责找出一条从起点到终点的最优路径。A* 算法是最经典的路径规划方法，它的核心是评估函数：

通俗说：\(f(n)\) 是"起点到这个位置已走的路"加上"这个位置到终点估计还要走的路"的总分。每次选择总分最低的节点继续探索，就像骑手在路口永远挑最短的路线。

智能避障策略：骑手的闪转腾挪

就算骑手有导航，突然窜出的行人、乱停的电动车也够他心惊肉跳。赛博骑手在马路上最怕"意外"，这些意外统称为障碍物。

避障系统把障碍物分为两大类。静态障碍包括花坛、电线杆、石墩，位置固定，可在地图上预先标注并按全局路径绕行；动态障碍包括行人、宠物、电动车，位置随时间变化，要求机器人实时跟踪、甚至预测其运动轨迹。美团"小袋"在城市开放道路行驶时，通常以 5-15 km/h 的速度巡航，这是为了给感知和决策留出足够的反应时间。

避障策略的核心是"安全距离分级响应"。系统根据感知到的障碍物距离 \(d\) 分三档决策：远距离时保持原速但微调局部轨迹；中距离时减速并重新规划绕行路线；近距离时立即刹车。安全停车距离由反应距离和制动距离两部分构成：

通俗说：从发现危险到完全停住，机器人至少还要往前滑一段距离。速度越快，刹车距离增长得越夸张（速度的平方），所以机器人在人多的地方都会慢速巡航，给自己留足反应时间。

云端调度系统：骑手背后的调度长

一个配送站有几十个骑手、上百单外卖。调度员要决定：谁去接哪个单、走哪条线、万一有人爆胎怎么办。无人配送的调度员不在现场，而在云端。

云端调度系统是无人配送的"大脑中枢"。它接收所有配送机器人的实时状态（位置、电量、任务进度）和业务系统的订单流（取件地、送达地、时效要求），输出一系列决策：这个订单给谁、路径怎么走、两车相遇谁让谁。调度本质上是一个大规模组合优化问题，核心目标是在满足时效约束的前提下，最小化所有订单的等待与配送总时间：

通俗说：系统要让每一单都尽量"少等、快送"，而不是只让某几单特别快、其他单全部迟到。

配送运营实践：双雄的商业竞赛

现在，赛博骑手配齐了眼睛、地图和调度大脑，是时候上岗赚钱了。美团和京东，正是这条赛道上跑得最远的两位玩家。

美团的实践以"外卖即配"为核心。在北京顺义、深圳部分区域，美团无人配送车与骑手运力协同：高峰期由机器人分担 3 公里内的短距离订单，骑手专注长距离和复杂交付。美团还推出了"小袋"（室外无人配送车）与"魔袋"（室内机器人）的组合，打通楼宇内外的配送链路。京东则侧重"社区零售物流"：京东物流的无人配送车在广东、江苏等地的社区和校园执行末端快递配送，与智能快递柜形成互补。两家不约而同地强调"人机协同"——机器人不是替代骑手，而是做骑手最难但最标准化的部分。

从商业价值看，无人配送的核心收益来自三笔账：一是降本，规模化后单票配送成本可降低 30%-50%；二是增效，机器人可 7×24 小时工作，不受体力限制；三是体验，配送时效稳定，恶劣天气也能送达。但商业化仍需跨越三座大山：硬件成本（一台无人车约 10-30 万元）、政策合规（路权、保险、责任认定）、技术边界（极端天气、复杂路况）。赛博骑手与人类骑手并肩协作，正在重新定义最后一公里的配送图景。

AI 应用场景

Python 演示

""“无人配送调度模拟：多个机器人与订单的分配和执行”""import random  class Robot:    def init(self, robot_id, x, y):        self.robot_id = robot_id        self.x = x        self.y = y        self.busy = False        self.delivered = 0     def distance_to(self, tx, ty):        # 曼哈顿距离模拟城市道路距离        return abs(self.x - tx) + abs(self.y - ty)     def deliver_to(self, tx, ty):        self.x = tx        self.y = ty        self.delivered += 1  class Order:    def init(self, order_id, x, y):        self.order_id = order_id        self.x = x        self.y = y        self.robot = None  class Dispatcher:    def init(self, robots):        self.robots = robots        self.available = list(robots)     def assign(self, order):        # 按距离最近原则分配空闲机器人        if not self.available:            return False        best = min(self.available,                   key=lambda r: r.distance_to(order.x, order.y))        order.robot = best        best.busy = True        self.available.remove(best)        return True     def release(self, robot):        robot.busy = False        self.available.append(robot)  def main():    robots = [        Robot(1, 2, 2),        Robot(2, 8, 3),        Robot(3, 5, 9),    ]    dispatcher = Dispatcher(robots)    orders = [        Order(i, random.randint(0, 12), random.randint(0, 12))        for i in range(1, 9)    ]     for order in orders:        ok = dispatcher.assign(order)        if not ok:            print(“无空闲机器人，订单等待……”)            continue        r = order.robot        r.deliver_to(order.x, order.y)        dispatcher.release(r)        print(f“订单{order.order_id} -> 机器人{r.robot_id}已完成配送”)     total = sum(r.delivered for r in robots)    print(f“总完成订单数：{total}”)  if name == "main":    main()

常见误区

面试题