Insight Tech

零售顧客希望速戰速決。諸多零售商的想法與顧客不謀而合。

為了加速購買速度，便利商店、速食餐廳，以及其他快速服務設施，紛紛採用自助式自動服務機與自助式結帳櫃台。雖然這些解決方案比傳統結帳隊伍便利有效率，但依舊需要工作人員協助顧客，而且比較容易遭竊。

無人商店能完全免除結帳的步驟，改變現況 (影片 1)。

影片 1。無人商店利用人工智慧與行動應用程式技術向顧客收費。(資料來源：Cloudpick)

Cloudpick 執行長 Jeff Feng 博士表示：「在這種全新型態的商店，我們要求顧客在進入商店前，先在行動應用程式註冊。」「下載應用程式後，新增付款方式即可，就和 Uber 的使用方式一樣。註冊後，他們進入商店、挑選商品，然後離開。這種結帳方式快速又省事。」

支援人工智慧的商店

Cloudpick 推出的無人商店等自動結帳解決方案，屬於端到端技術的安裝，與傳統購物體驗相似。人工智慧、電腦視覺、深度學習與邊緣運算結合之後，註冊的顧客挑好多種產品後直接離開即可。

運作方式如下：

• 應用程式提供 QR 碼給顧客，以便他們進入商店入口。
• 這個 QR 碼隨即為店內的每位顧客建立和虛擬購物車的關聯。
• 視覺系統會使用深度學習演算法辨識挑選的商品，然後將商品加入購物車。
• 如果顧客將某樣商品放回架上，系統隨即會將它從購物車移除。
• 結帳時，邊緣運算平台會與這批資料建立關聯，然後將資料即時傳送至雲端帳務平台。

無人商店能追蹤逾 30 名顧客，以及他們在大約 1,000 平方英尺範圍內的行動 (圖 1)。

實體零售的虛擬實境

Cloudpick 無人商店同時採用各種類型的人工智慧，以確保正確無誤。

首先，或許是最顯而易見的部分，就是辨識店內各項商品的影像辨識演算法。每種 SKU 的影像在訓練資料庫中都有標籤，然後利用 Intel^® OpenVINO^™ 工具組將產生的演算法部署到 Cloudpick 視覺系統。

另一方面，系統會以視覺方式呈現零售空間 內的每東西 (包括顧客)，然後應用手勢識別演算法判斷消費者是挑選還是放回某樣商品。這些演算法也能辨識行為，諸如走路、起身、蹲下或跑步，有助於區別顧客。

Feng 表示：「視覺系統的智慧足以重新建立店內的每樣東西。」「系統基本上將每個人重新建立為實體，讓我們能夠辨別顧客。顧客在店內的期間，我們也才能區別顧客。」

由於這些工作負載多半在第 8 代或第 9 代 Intel^® 酷睿^™ 處理器邊緣運算平台執行，因此 Cloudpick 能大幅減少傳送至雲端的資料量。另外，由於追蹤無人商店環境虛擬轉譯內，個人僅使用 QR 碼這項資訊，因此顧客的隱私權有保障。

「使用行動應用程式註冊時，我們唯一獲得的資訊就是 QR 碼。我們無法識別顧客的身分。」Feng 表示。「我們只知道顧客進入了商店，而且對方有個人付款資訊。如此而已。」

建立數位品牌忠誠度

對消費者來說，無人商店顯而易見的賣點在於速度和使用的便利性。那麼店主的好處是什麼？表面上看來，零售商可以利用人工智慧與邊緣運算補強員工，降低作業成本。既然這些技術不需要吃飯、睡覺或渡假，商店當然可以全年無休。

深入瞭解後會發現，快速服務零售商獲得的不僅是表面上的好處而已。由於消費者在購物前就先註冊，因此他們會自動成為該店的數位會員。

「因此現今的商主能與顧客交換訊息，而且不僅限於顧客在店內的時間而已。」Feng 表示。「行動應用程式讓零售商得以創新，例如針對不同顧客提供量身打造的行銷和折價券。」

更快也更有智慧的零售方式

展望未來，以無人空間為中心、更有智慧的自動化社會就近在眼前。請試想一下，你走入多功能環境之後，從數位招牌的菜單挑選午餐。你同時在菜單上選取了「支付水電費帳單」的選項，接著走向其他地方。

在食物烹調過程中，你購買食品雜貨清單中的商品。食物配送者 (無論是否為人類) 找到你，然後幫你將午餐放在附近的餐桌上。接著，你提著食品雜貨，從出口走向火車站。

你的帳單已繳、午餐已買好、食品雜貨已經從帳戶扣款，而且數位火車票也已拿在手上了。拜迅速的人工智慧創新、電腦視覺和強大的邊緣運算所賜，這個省事的未來其實近在咫尺。

為了滿足客戶的喜好變化，許多企業必須使用人工智慧 (AI)、電腦視覺和深度學習等解決方案。特定開發人員面臨的挑戰？開發過程過於漫長且複雜，而對於其他開發人員而言，如何在缺乏多年 AI 開發經驗下建立解決方法是最大的的阻礙。

透過現有的 API 程式庫、機器學習演算法，以及其他可加快產品上市時間並簡化高效能 AI 解決方案開發程序的軟體，便能有效克服這些問題。例如，透過附加在現有的工作，meldCX 僅花八個星期就替澳洲郵政建立自助服務機的概念驗證 (POC)。(圖 1)

澳洲郵政深知運送包裹所產生的利潤遠大於寄送信件，但他們的客戶討厭花時間排隊等待包裹秤重、保險、再寄送。因此他們需要簡化流程的自助服務解決方案。

有鑑於此，歐洲郵政要求 meldCX 開發一種解決方案，讓客戶能在 120 秒內完成下列工作。

• 掃瞄並偵測包裹類型與資訊
• 自動測量包裹大小與重量
• 讀取手寫資訊，並轉換為運送資料
• 驗證寄件者身分、收件者地址與運送成本

澳洲郵政還指明其他幾項需求。例如，減少手動輸入資料的工作，騰出人力執行更有生產力的活動 — 幾乎每個零售商都希望達成的目標。

此外，開發團隊必須納入其他通用功能，其為各種電腦視覺專案中的標準功能。開發人員現在可以完整使用 meldCX 的功能，並將其應用於自己的解決方案中。其中包括以下功能：

• 確保前端輸入乾淨的資料，避免後端發生資料準確性的問題
• 加速企業流程
• 減少摩擦，並為所有利害關係人提供更多價值

以先前的 AI 專案為建構基礎

這種快速開發模型 (用於建立智慧包裹機) 的基礎，是基於先前 AI 專案上執行的大量 meldCX 工作，以及現有技術所構成。其中包括手寫識別演算法和資料處理模型，此外還有 meldCX 企業規則。人工智慧開發人員能運用此功能，將其重複用於自己的專案。

在新配置中使用此類技術 (解決南轅北轍的部門中產生的各種案例和挑戰)，使其他專案能從根本上縮短開發時間。

meldCX 執行長 Stephen Borg 表示：「上次專案所帶來的真正改變是：讓我們有機會收集所學的資訊，然後應用於此專案中。我們因此能在八週內完成從收件到交付的工作，而先前的 AI 專案則花了一年以上的時間。」

除了重複使用演算法之外，開發團隊也加入了許多熟悉的 AI 技術，包括 Intel^® RealSense^™ 攝影機、Intel^® OpenVINO^™ 工具包，以及 Intel^® Movidius^™ Neural Compute Stick。

「最新的 OpenVINO 能協助我們透過可用硬體資源最佳化模型，」Borg 表示。「同時我們也在卸載某些可能會降低 Movidius 使用者體驗的模型。」

成果？概念 SALi (影片 1)。

影片 1。包裹處理與交付的自助服務機。

準確性訓練

meldCX 團隊發現該解決方案無需透過 Google 的手寫偵測與辨識 API 來擷取完整地址。相反地，該解決方案可以使用部分地址作為識別碼，讓 Intel​^® 機器學習模型指派信心水準以補齊地址。部分內容包括地址、信箱號碼、街名、城市、鎮、州、區域和郵遞區號。當解決方案回傳多個可能地址時，只會要求客戶選擇他們想要的地址。

團隊另外也發現，Google 地圖等資料庫中包含的地址無法完全作為郵件交付地址使用。就像其他郵政解決方案曾經嘗試的那樣，他們無法僅依靠 Google 來處理此部分的流程。

meldCX 解決方案會利用澳洲郵政地址 API 來驗證地址，並從建立貨單到交付徹底追蹤包裹，幫助郵政服務提升資料庫的準確性。這使郵政服務能進一步驗證其地址系統，並進行更正。當不同城市使用類似的街道名稱 (例如 Talbot Road 和 Talbot Terrace)，尤其是在同一郵遞區號內時，此功能通常能發揮效用。

執行多種不同使用案例的開發人員可能會發現此案例的異常狀況，進而訓練其資料模型以進行更正。

快速開發，與時俱進

零售業將電腦視覺視為必要技術，因為它能使企業在降低成本並提高效率的同時，滿足客戶需求。妥善利用 meldCX 建構模塊並簡化模型，讓開發人員花較短的時間建立解決方案，進而提供令人期待的全新商機。

處在 Amazon 的時代，零售商瞭解「數位轉型」的價值與必要性。不過，單一功能的專有系統太過普及，卻阻礙了發展。

Volteo 零售技術供應商物聯網業務開發部副總 George Moakley 表示：「主要運算業務的每一次遽變，您都需將各種要素組合成一套解決方案。」然而，零售商因舊系統不相容而深受其擾，對他們而言，這似乎是道費解的難題。

推動的開放零售計畫 (ORI)，與頂尖技術公司一同努力，將容器化和虛擬機器等雲端原生開發理念帶入實體零售業。這種新方法藉由整合邊緣工作負載來解決協同工作的問題 — 開啟自動化、改善服務和營收成長的新機會。

將零售優勢轉為雲端實例

今日典型的零售優勢商店由各式各樣的硬體所組成，包括：銷售點、販售亭、數位招牌、視訊監控、RFID 庫存追蹤、溫度監控等，每一套硬體都有自己的系統。然而，採用 ORI 的協同工作標準，您可以將這些不同的技術「成分」整合至同一個伺服器中。

要怎麼做到？

讓實體優勢商店看起來更像雲端。以 Linux 為主的系統可以代管混合的虛擬機器和容器 (不論是 Docker、Snaps 或其他工具)，不必為維護或連接個別系統而支付整體的 SaaS 服務費 (圖 1)。此外，儘管伺服器相當昂貴，若在其中執行多套應用程式，費用就相對變得便宜。

除了降低成本外，這種整合與系統之間易於交互溝通的特性也帶來了無數的新商機。試想一家必須仰賴員工來確保客戶洗手間有足夠香皂和衛生紙供應的零售商。

採用 RFID 系統可持續監控耗材的供應並自動與配送中心通訊，如同 Intel 開放零售計畫主管 Chris Timmins 所說：「過去需要兩小時處理的工作，現在只要 10 分鐘就完成了，而員工可以回到工作崗位繼續為客戶服務。」

然而，庫存管理只是其中的一部分，零售的各個面向都能獲得改善，包括資產追蹤、庫存擺放位置和全通路策略等。隨著系統之間資料的隨意混合，部署新應用程式變得比以往更加方便，線上體驗和零售實體之間的界線將更加模糊。

Moakley 也說：「在 5 到 10 年內，這個領域將發生重大變化，結果令人期待。」

開放零售計畫的支持者和 RFID

開放零售計畫一直受到許多大公司的支持，包括 Canonical、Dell、HP、SAS、Toshiba 和 VMware。可以肯定的是，這個生態系統提供許多重要技術，但更重要的是協同工作如何開發出更多可能。

對 Moakley 來說，關鍵在於是否將商業問題銘記於心。舉例來說，他過去使用 RFID 技術但感到後悔的一些客戶就說：「我們幾年前就試過，可是沒什麼用。」

Moakley 表示，像這類個案，問題不在技術本身，而是技術如何運用：「如果您要做的，只是在舊東西上添加新的物聯網技術，那麼不但所費不貲，還得承擔相當大的風險，卻無法得到多少效益。」舉例來說，只是將條碼掃描器改成 RFID 掃描器並沒有多大用處。

而今日的零售業很常見的現象：使用單一功能專有技術，本身就是一個問題。它讓零售商變成像 Moakley 所說的：走進「技術的死胡同」，不僅傷財還得承擔風險。

一開始，必須聘請第三方來維護、更新並整合技術與其他系統。「但願您的供應商不會有倒閉的那天」，Moakley 補充道。您不太可能找到與現有硬體相容的附加功能。

但是，隨著 ORI 的出現，零售商可以避免走進技術的死胡同，並以全新的方式使用新技術。放置 RFID 追蹤工具以進行策略思考、即時自動偵測資產動向，以及人工難以比擬的準確率，好處不計其數。

而且不僅如此，優點還包括：加快技術部署、降低維護成本及無縫進行邊緣整合。

投入前先仔細思考

儘管 ORI 取得了長足的進步，Moakley 仍強調在投資任何新技術前，瞭解您想解決的問題才是關鍵。事實上，成功的零售商必須扮演溝通者的角色，讓過去從未自動化的業務流程專員與從未思考過這些流程的 IT 人員彼此公開對話。

而且「千萬別在技術當中迷失了，」Moakley 告誡道。沒錯，零售商不願接受這趟會危及生計的冒險之旅。但若要使其正常運作，他表示：「我們必須談談要如何使用您曾聽過的技術，以嶄新的方式來處理您的商機。」

Chris 說：「這個過程很漫長，並不是翻新或更換就能處理。」Moakley 也說：「並非每一家公司都得立即投入。但每一家公司都應該擬定計畫，制定投入的時程。因為這是未來開展業務的趨勢。」

編者註：insight.tech 支持終結種族主義、不平等與社會不正義行為。我們不容忍我們贊助商的產品用於侵犯人權，包括但不限於政府濫用視覺化技術。insight.tech 上所提到的產品、技術和解決方案皆假定為以負責且合乎道德的方式使用人工智慧以及電腦視覺工具、技術和方法。

 

長久以來，機器人一直是科幻小說的主角，在 1956 年的電影《禁忌星球》中初次登場的機器人羅比有著鮮明的個性和冷面幽默的形象；而美國電視影集《太空迷航》裡的機器人 Model B9 也有著超越人類的力量與音樂才華。

當然，在這個星球上（更遑論在最遙遠的太空裡），我們還要努力很久才能研發出具有獨特個性、能保護與陪伴人類的全自動機器人。然而，我們已能看到智慧型機器人應用在日常生活的各個面向，包括：

• 接待客戶、回答問題以及引導零售買家
• 提供醫院設施資訊和持續照顧病患的指引
• 接待訪客、引導他們前往接待處，以及將行李搬至飯店客房
• 接受付款和收集金融中心的帳號資訊
• 在倉庫四周搬運貨物、擔任下班後的警衛工作

智慧型服務機器人剖析

影片 1 展示 New Era AI Robotic Inc 的智慧型服務與運送機器人，此系統採用同步定位與環境地圖建立 (SLAM) 演算法、語音及人臉辨識軟體和完整的感應器套件來執行上述的工作。

影片 1. 在多種產業中，智慧型服務與運送機器人已躍升助理角色。(資料來源：New Era AI Robotic)

這些功能是在兩個單獨的子系統上執行：一個是用於導覽與控制，另一個是用於驅動使用者介面。

核心能力：電腦視覺和深度學習

New Era 的內部 SLAM 技術是其機器人的關鍵核心，可讓 40 至 50 公斤重的機器人安全地導覽環境。可以確定的是，以控制為導向的 SLAM 軟體是以多個感應器的輸入資料來運作，提供機器人 2D/3D 的環境視野來進行物體的偵測、辨識和迴避。

New Era AI 的 SLAM 軟體主工程師 Allen Tsai 表示：「自動駕駛汽車有非常多的感應器，同樣地，室內機器人無法只仰賴一個感應器，在現實環境中，像購物中心那樣人山人海的環境，沒有什麼是靜止不動的。」

起初，系統運用 2D 平面 LiDAR 感應器陣列，儘管 LiDAR 符合成本效益且可靠實用，但經證實它會限制機器人在動態的三次元空間進行導覽工作。透過加入 Intel^® 實感^™ 攝影機，New Era 執行立體化視覺功能，以更清楚準確地感知角度、邊角等等 (圖 1)。

Tsai 繼續表示：「有了 Intel 實感技術，我們便可運用傳統的電腦視覺演算法來強化圖形與識別功能。然後，將其與 LiDAR 感應器結合，所以我們並非只依賴一個感應器。」

以四核心 Intel^® Core^™ i5 為基礎的 Linux 電腦會處理 LiDAR 陣列和實感攝影機所傳送的感應器資料，接著將 SLAM 演算法套用到這些輸入中。這些演算法會對應到機器人所互動的實體空間，準確度誤差在 5 公分以內。軟體接著會覆寫可識別特徵的描述元，如房間、走廊、物體等。SLAM 演算法的記憶體效能極佳，可在任何給定的時間內將上千張地圖儲存在機器人的硬碟中。因此，每個機器人只需要 4 GB 的 DDR4 記憶體。

人機互動與人臉辨識和人工智慧

第二個運算子系統會執行所有與人類互動所需的應用程式，包括人臉辨識、語音偵測、聊天機器人和觸控式螢幕使用者介面等。它以 Windows 電腦為基礎，採用四核心 Intel^® Pentium^® N4200 CPU 並執行使用 Intel^® OpenVINO^™ 工具集開發的卷積神經網路 (CNN) 演算法 (影片 2)。

影片 2. 使用 Intel^® OpenVINO^™ 工具集演算法來偵測人臉與情緒的機器人。(資料來源：Omar Lam Demonstration)

OpenVINO 協助 New Era AI 工程師最佳化在 Pentium 處理器上執行的演算法，該處理內含整合式 Intel^® HD 顯示晶片 505 GPU。這麼做能為實感攝影機所擷取的圖形提供足夠的輸送量，以進行即時處理。它也會開啟一系列重要的臉部辨識功能。

最佳化的 OpenVINO 演算法不僅能幫助機器人偵測人類行為，還可以用來分析人類的年齡、性別和情緒反應。有了這項以匿名中繼資料收集的資訊，機器人操作員可判斷哪些族群最有可能與機器人互動、在哪裡進行互動以及互動時間長短。舉例來說，在零售商店或飯店業的環境下，這些分析可用來提升銷售或改善客戶服務品質。

此外，多虧了 Windows 電腦提供的本機連線能力，新的演算法、聊天機器人和其他軟體可以隨時進行更新。

更多逼真的機器人

New Era AI Robotic 的工程師持續進行技術整合，他們機器人平台的互動能力也因此如人類互動一般更加自然。

舉例來說，新一代的設計可能會運用 Intel^® Movidius^™ 視覺處理單元 (VPU) 和/或 Intel^® 類神經電腦棒，同時結合更進階的 OpenVINO 演算法。這種技術堆疊可能會對平台產生重大影響，支援同步進行多人交流、本地化自然語言處理 (NLP)，甚至是改善圖形的輸送量及解析度，以獲得更精細的對應和導覽能力。

儘管智慧型機器人還不能成為我們的星際夥伴，但它們的發展在短短幾年內取得無與倫比的進步。此外，它們也讓人類一窺未來幾十年人/機共存的社會面貌。