构建自动驾驶配送平台：DoorDash的机器人Dot与技术架构解析

自动驾驶在本地商业配送中的规模化发展

随着AI性能提升和硬件成本下降，自动驾驶车辆在越来越多城市变得普遍。但本地配送为何尚未实现自动化？因为这本质上是一个更复杂的挑战。

与网约车不同，许多消费者希望食品或杂货能送货上门，许多商家也不愿意绕街区交接订单。这要求车辆和软件既要灵活处理人行道和车道，又要足够快速在冰淇淋融化前送达。

自动驾驶必须协调需要快速可靠交接产品的繁忙商家、有不同配送偏好的消费者，以及连接两者的机器人。取货尤其具有挑战性：不同商家希望机器人在不同位置停车，而且谁来装载配送物品？

订单可能在午餐时激增，下午3点放缓；需求可能在城市特定区域达到高峰，或在母亲节等节日出现鲜花需求激增；配送员的可用性不断变化。这创造了一个实时多目标优化问题，涉及数十个变量，每几秒就会变化。

我们基于全球最大配送网络之一构建了Dot和自动驾驶配送平台。我们拥有关于有效商家取货和消费者送货的数十亿数据点，以及数十亿真实商业结果数据。

我们的技术栈利用这些洞察，为本地企业和消费者成功优化自动驾驶，同时提升性能表现。

Dot专为本地商业构建，设计用于快速可靠配送，尺寸适合我们市场需求，并在每个环节都考虑安全性。

Dot是我们的"恰到好处"设计：足够大以容纳六个大披萨盒，承载高达30磅货物，高4英尺6英寸使其他道路使用者清晰可见，但又足够小以通过大多数门。最高时速20英里，比人行道机器人配送更快更远。仅重350磅，比美国普通新车轻十分之一，对其他道路使用者的安全性显著提升。

Dot的自动驾驶栈从设计之初就利用AI和自动驾驶技术的最新进展。感知栈采用视觉主导方法，由8个外部摄像头提供360度覆盖（加上1个内部摄像头确保配送质量），辅以4个低成本雷达单元。

目前包含三个高分辨率激光雷达传感器用于情境感知，但这些正在被低成本汽车级激光雷达取代，从而实现低成本的传感器栈以实现快速商业规模化。

Dot的驾驶软件必须学习并适应日常操作中可能遇到的各种情况。Dot设计用于处理繁忙停车场、街道、自行车道、人行道、车道和小径，实现无缝商家交接和DoorDash平台上日常进行的各类配送。

我们的技术栈结合深度学习和基于搜索的算法，在复杂世界中找到安全平滑的路径。深度学习让我们理解其他道路使用者的行为，进而知道在复杂情况下应如何驾驶。搜索作为安全网，确保机器人安全、平稳、可预测地导航环境。

我们通过行为克隆和强化学习在大型多样化数据上进行训练，使系统随着实际经验不断改进。

自动驾驶栈的验证对于确保机器人安全至关重要。我们相信我们已经为配送机器人测试设定了标准。我们在多样化郊区环境中测试各种边缘情况，包括带有临时标志的建筑区域、阻塞自行车道的卡车、低光条件下的行人、居民区未拴绳的动物、故障交通灯、学校区域等。我们的技术栈针对运营社区进行了精心优化。

Dot的前后驱动模块可单独更换以满足服务或其他运营需求，其完全模块化设计允许为不同配送用例定制不同货舱：披萨、杂货等。

技术挑战不仅在于建造车辆，还在于将这种新配送方式嵌入协调我们市场的技术平台。

不同订单类型最适合不同的配送方式：并非所有物品都最适合汽车或自行车配送。Dot设计为与许多其他快速增长的配送方式共同扩展，包括无人机、人行道机器人和配送员，确保我们在正确时间将正确订单与正确配送方式匹配。

这是一个复杂的多目标优化问题，需要平衡不同订单和配送方式的特征与消费者偏好、交通状况、车队定位等许多因素。这意味着实时管理每种可用配送方式的供需，整合来自越来越多供应商的配送方式：配送员、Wing的无人机、Coco Robotics的人行道机器人，当然还有Dot。

我们在现有基础设施上构建了自动驾驶配送平台（ADP）来促进这种协调。其目标是：动态匹配DoorDash履行的每个订单与最高效的配送方式。

ADP仍处于早期阶段，我们正在将其推广到通过Dot、无人机和人行道机器人以及配送员扩展配送的城市。我们正在构建下一代ADP以支持更多配送模式和地区。

随着我们在不同地区扩展车辆数量，我们正在构建下一代优化基础设施。我们正在攻关的几个技术挑战：

继续改进我们的摄像头优先感知栈，以处理更多边缘情况，同时从当前传感器套件过渡到成本效益高的紧凑型激光雷达，同时保持或提高系统安全性。

构建基础驾驶模型，无缝处理道路驾驶、人行道导航和精确车道操纵之间的转换，全部在单次推理中完成，以掌握Dot面临的各种驾驶环境。我们构建这些模型以实现泛化，处理不同地区的基础设施模式、本地驾驶行为和环境条件。

扩展强化学习系统以处理配送特定场景的长尾问题，如绕开留在车道上的儿童自行车，或当狗在附近徘徊时安全接近前门，这些场景在传统自动驾驶数据集中很少出现，但却是配送的日常现实。

构建优化多模式车队分配和协调的系统，包括多个Dot、无人机、人行道机器人和配送员，同时处理不同配送选项的动态特性（更快的Dot、较慢的人行道机器人）和波动需求。

我们正在商业规模上构建跨道路类型的最后一英里配送自动驾驶系统，同时构建使自动驾驶商业成为可能的智能基础设施来支持它。每个算法，无论是在机器人上还是在我们基础设施中，都可能影响数百万订单和数千家小企业。技术挑战艰巨，规模庞大，现实世界影响立竿见影。而我们才刚刚开始。