AI e Machine Vision eliminano la barriera cassa

Siamo tutti a circa dieci anni di distanza dall'entrare nei negozi, afferrare tutto quello che vogliamo, per poi uscire velocemente come se avessimo rubato.

Questo sarà possibile perché molti negozi saranno dotati di telecamere e sensori che abilitano la machine vision e che tengono sotto controllo ciò che si prende all'interno del negozio e poi lo addebitano nell'app corrispondente man mano che si esce. Gli analisti dicono che il grande cambiamento è stato introdotto dai rivenditori che cercano di evitare l'esplosione degli acquisti online. La gente tende a citare folle e grandi code come i principali motivi per evitare negozi, quindi la speranza è che questa tecnologia si rivelerà la salvezza dei negozi fisici. Ma anche se questo cambiamento di cassa potrebbe entusiasmare alcuni clienti, cambierà drasticamente anche l'occupazione per i lavori di vendita al dettaglio poco qualificati e viene fornito con una serie di preoccupazioni legate alla privacy.

"I consumatori in questo momento hanno lasciato i negozi, e stanno comprando sempre di più online", ha detto Yory Wurmser, un analista senior di eMarketer.

Se il checkout tramite machine vision sembra troppo futurista da contemplare, ci sono già segnali che fanno pensare che la strada intrapresa sia invece proprio questa. Ad esempio Amazon ha rilasciato un video lo scorso dicembre del suo progetto a sorpresa, il negozio Amazon Go. Nel video, i dipendenti beta-testing del campus di Seattle passeggiano all'interno di un piccolo negozio di alimentari, poi lasciano che telecamere, sensori, tag RFID e molto altro lavorino per associare le persone ai loro conti AmazonAddebitando l'app mentre escono.

L'idea è molto interessante, ma si presume anche che sia piuttosto costosa, dal momento che Amazon avrebbe costruito sensori nel pavimento e nelle pareti per rendere l'esperienza relativamente fluida. Più economico, versioni di questo tipo di tecnologia "Amazon Lite" stanno già spuntando in vari luoghi in tutto il mondo.

"Lo stiamo già vedendo in Cina", ha dichiarato Brendan Miller, uno dei principali analisti di Forrester. "Ci sono un sacco di questi negozi mobili, di solito molto piccoli come 200 o 300 metri quadrati, che sono incustoditi. Sono quasi come un chiosco incustodito in cui la gente può passeggiare".

"Troppo costosoda costruire" di solito significa un'opportunità per una startup, che è esattamente ciò che sta accadendo al Laboratorio Standard Cognition di Santa Clara, California. I suoi co-fondatori stanno lavorando su un sistema di cassa tramite intelligenza artificiale che mira ad essere privo di sensori, affidandosi solo alle videocamere.

Il giorno in cui ho visitato il negozio di abbigliamento, i dipendenti stavano addestrando l'intelligenza artificiale della machine vision per assicurarsi che le telecamere fossero in grado di tenere traccia delle persone.

Il fondatore e CEO Jordan Fisher, il co-fondatore e COO Michael Suswal, il nuovo dipendente Jeff Hsu ed io abbiamo passato qualche minuto insieme, mischiandoci tra di noi all'interno del negozio, prima di dividerci per vedere se l'AI aveva tenuto traccia di noi per tutto il tempo. Un modo semplice per capire come sta lavorando è quello di controllare se tutti abbiamo mantenuto i colori assegnati. La mia esperienza è iniziata come viola, ma l'ho scambiata con Suswal alla fine del nostro finto shopping party. I fondatori dicono che questi tipi di test sono ottimi per il sistema, perché individuano le cose da regolare ogni volta che lasciano che i beta-tester entrino nel laboratorio (gif dimostrativa).

Ecco come funziona il sistema. Il suo sistema AI proprietario è costruito, in parte, con TensorFlow, il kit di Google open-source AI. Il laboratorio dispone di 20 telecamere sopraelevate, che vengono utilizzate per tenere traccia di persone e prodotti. Fisher dice che prima addestra l'AI sui prodotti, con un video di due minuti che chiamano "SKU-dance". Una volta filmati da ogni angolazione possibile, l'AI sarà in grado di identificarlo in futuro.

Poi, le telecamere sono addestrate a vedere quando qualcuno prende un oggetto conosciuto e da lì lo traccia. Le persone vengono ancora invitate a fare shopping negli scaffali e traccia se il programma può tenere il passo, ed è per questo che ho aderito alla prova.

Il pacchetto totale è composto da telecamere, il programma AI e un server offline privato. Ogni telecamera richiede una GPU dedicata sul server backend. 

I suoi server saranno fuori dal cloud per un'elaborazione più veloce ed evitare potenziali problemi di privacy da parte dei clienti. Anche per questo non utilizzano la tecnologia di riconoscimento facciale.

Ma sistemi come questi saranno in grado di fare molto di più che facilitare un check-out indolore. Una cosa di cui i dipendenti si sono resi conto all'inizio era che le funzionalità identificative consentivano loro di offrire la gestione dell'inventario oltre al pagamento. Hanno anche aggiunto un sistema deterrente e antifurto, perché le telecamere possono ricomporre come appariva un ripiano prima qualcuno entrasse, per dedurre se qualcosa è stato rubato.

Quindi, naturalmente, l'ho testato. E mentre sapeva che avevo messo un pacchetto di biscotti sotto il mio maglione, non aveva alcun indizio sulla mia bottiglia di Coca Cola, perché ho fatto scorrere la bottiglia nella manica mentre rimaneva posizionata sullo scaffale.

Ma, per quanto efficiente in termini di costi potrebbe essere la sola machine vision, esso comporta anche dei limiti precisi nel tipo di negozi in cui potrebbe essere effettivamente utilizzata. L'analista Brendan Miller, di Forrester, è pronto a segnalare che la machine vision non sarebbe utile ad esempio per differenziare le diverse taglie di un capo abbigliamento. 

"Immaginate di essere in un grande magazzino, scegliendo i jeans... e ci sono tutte queste diverse taglie", ha detto Miller. "Sappiamo bene che all'interno di un grande magazzino tutto si mischia insieme, e quindi avendo questo tipo di tecnologia video, essendo in grado di identificare l'esatta dimensione e la posizione di uno specifico jeans in un ambiente di shopping disordinato, non è ancora abbastanza, ma penso che la tecnologia potrebbe essere aumentata con elementi come i tag RFID".

L’idea è che Standard Cognition unirà tutto questo e offrirà un pacchetto di checkout machine vision / gestione inventario / sistema di allarme. Questo perché i dipendenti stanno anche addestrando l’AI per individuare le emergenze mediche, o se qualcuno ha un’arma. Il sistema potrebbe avvisare i gestori dei negozi della presenza di armi o emergenze in millisecondi, perché è così velocemente che è in grado di riconoscere gli oggetti.

Sarà anche il primo di un tipo di negozio molto specifico. Fa meglio con i beni confezionati per il consumo, quegli articoli che sono già interi e pronti per l'uso. Determinare i pesi degli articoli sfusi sarebbe un altro livello di complicazione che li aspetta in un negozio di alimentari, che i fondatori non sono ancora pronti ad affrontare.

"Stiamo ancora cercando di capire. Abbiamo effettivamente parlato con diversi negozi di alimentari e ogni tipo di negozio ha una preferenza diversa per quello che vogliono che l'esperienza sia per i clienti", ha detto Fisher.

di Kerry Davis

Video:
Amazon Go

Standard Cognition

Topic:
RetailArtificial IntelligenceRTLS

Contattaci
 

Multimac Srl  -   800 593 293  -   info@multimac.it  -   P.Iva 01281830289  -   Company info  -   Privacy  -   Sitemap  -   Copyright © 2019. All rights reserved.

Login

Per poter acquistare i prodotti su multimac.it è necessario accedere con la propria email e password.

Accedi

Password dimenticata?
Non possiedi i dati di accesso? Registrati

Chiudi

Richiesta prezzo speciale
per progetto

» Leggi l'informativa sulla privacy Invia richiesta
Chiudi