无人零售商店(Amazon Go)技术方案以及发展趋势(附PPT+视频)|硬创公开课

您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器

雷锋网新智造按:2016年12月,亚马逊在西雅图开张了一家革命性的线下便利店--Amazon Go。Amazon Go 彻底抛弃了传统超市的收银结账过程,顾客们不再需要提着购物篮等待结账,只需拿起你想要的东西,然后走出商店--没错,就这么简单。

Amazon Go集成了大量传感器,可以识别人的动作、商品以及商品位置,从而完成无人收银的整个过程。Amazon Go让无人零售这个概念被大家注意,然而其系统的复杂令其很难在普通商店得到应用,因此目前也仅对亚马逊员工开放。Amazon Go的完全开放式的无人零售堪称完美,但由于技术的局限性,目前市面上选择的更多是封闭式或半封闭式的无人零售,这取决于技术方案的选择。那么,目前市面上选用的无人零售技术方案都有哪些,各自的优劣点在哪里?针对这些问题,本期雷锋网硬创公开课邀请到无人零售创业者陈维龙为大家进行详细讲解。陈维龙毕业于中山大学,曾亲自参与并实施过多套类似的无人零售解决方案系统,对整个项目的流程化体系有着较深的认知和实践经验。

嘉宾介绍:

陈维龙,中山大学硕士,无人零售/收银创业者,Amazon go国内最早翻译解读者之一,在校期间做过多款无人收银设备,目前刚为国内某著名食品供应商做完简化版Amazon Go。

公开课完整视频:

以下内容整理自陈维龙在雷锋网硬创公开课的分享,相对视频文中做了删减,完整内容可观看视频。关注雷锋网(公众号:雷锋网)旗下微信公众号「新智造」,回复「PPT」可获取嘉宾完整PPT。

零售行业背景和对策

这张图来自Wind,给出了1995年到2015年沪深港17家上市卖场、超市核心财务情况,我们可以看到毛利率前期处在一个波动的状态,慢慢地爬升到22.88%;费用率前期也处在一个波动中,但2001年到2015年一直是缓慢上升的过程;净利率在2003年之前一直处在持续下滑的波动中,之后缓慢增长后基本处于持平的状态。这与我们在现实生活中观察到的数据是一致的,也就是说超市、大卖场这个行业处于竞争非常激烈,净利润可能趋近于零,它们的特点是薄利多销,采用的对策是加快周转,规模化采购压低货源成本。而在费用率方面增加的主要是房租人工成本,所以未来的趋势是利用技术手段提高效率,降低人工成本,内部节流。另外,可以看到的一个现象是消费者的消费能力提升,与此同时超市这边也在进行消费升级,比如引进更多的国外品牌。

超市生态图主要由供应商、超市和消费者组成,其中因为现在这个行业处于完全竞争的状态,所以消费者最关心的是价格和质量,而同样因为竞争激烈的原因,价格已经被压得非常低了,不管是消费者向超市压价,还是超市向供应商压价,在价格方面已经基本上没有什么可扩展的空间了;而在质量方面,随着生产水平的提升,也没有什么上升的空间,或者说短期内没有办法提升。所以,超市方面为了满足消费者的核心需求,建立了完善的供应链和采购体系,保证采购到质优价低的商品让超市保持平稳的运营。然后,因为充分和同质化的竞争,除了价格和质量之外,我们比较强调的一点就是体验,比如设立儿童区、即食区以及功能体验区等。

根据这些我们可以对零售行业的背景做一个总结:房租人工成本占比上升--利用技术提高运营效率,节省人工成本;同质化的情况下关心体验--使用新的技术数段提高体验。也就是说,目前的零售行业急需节省人力,改变购物方式的新方案,而无人零售显然都满足。

无人零售需要解决的3个问题

收银效率:扫描过程、付款过程、识别率

顾客体验:进店、选择商品、储存商品、核对商品、支付、核对账单

运营效率:导购、咨询、促销、防盗、收银、补货、研发、营销、推广

无人收银概述

无人收银就是将串行模式变成并行模式,既可以由用户自己完成,也可以由系统完成。将收银权利赋予用户没有任何难度,难度是核对。核对的关键是实时识别商品和顾客。

无人收银的难度由顾客自由获取商品的程度决定,封闭式是识别确定的商品,且因为先付钱后给商品,所以不用识别用户;开放式识别的是不确定的商品,识别不确定的用户。封闭式和开放式的难度完全不在一个档次。Amazon Go是完全开放式的,所有自动售货机和自动售卖店都是封闭的或半封闭的。

实现无人收银的三种方式:

条码识别:可以识别所有品类,但是缺少核对监督环节。案例:沃尔玛Scan&Go、便利蜂、天虹商场。

RFID识别:技术上也成熟了,但是RFID信号遇到液体、金属易衰减屏蔽,黏贴麻烦易被撕毁,尺寸和感应距离难协调,成本高。RFID基本上是用于服装行业,或当做储存、物流的统计功能。案例:IBM、松下、Bingo Box。

视觉识别:视觉收银在Amazon Go出现前几乎没人做,Everseen只是在人工收银的环节用图片分析进行监督。案例:Amazon Go、Everseen和亿猫。

Amazon Go的原理

Amazon Go的实现方法是识别动作、商品和人,通过位置或姿势进行关联。

识别动作的意图是识别你是否想要购买这个东西,线下我们将商品放到收银台上,收银员就默认你购买该商品,如果没有收银员,我们又该如何默认用户是购买这个商品呢?从货架端来看,如果你从我的货架上拿取一个商品,那么我就认为你是购买了,或者你想购买,如果你将商品又放回来了,我就认为你不购买,那么,拿起和放回就意味着你是否购买。那如何表示你拿起或放回呢?第一个是视觉识别,比如你手伸入货架时,通过颜色识别除了你手的肤色周围还有没有其他颜色判断你手上有没有商品。如果你的手在伸入货架上时没有物品,在离开时有物品,那么就认为你拿起商品,相反就是放回。还有一个方法是对商品区域进行识别,比如这一块本来有商品,然后识别到这里没有商品,那么就说明是被购买了,相反就是被放回。第二个是传感器,比如重力传感器通过识别货架的重量增加与否,识别商品是被拿走或放回;红外传感器通过识别商品附近的光线是否被遮挡,识别商品是被拿走或放回。

识别人的时候,可以在用户刷手机进店之后对其手机GPS或者WI-FI进行跟踪定位,也可以根据图像识别的轨迹跟踪定位,比如这个地方的东西被拿起或放回,同时只有一个人在这个区域里,那么肯定就是这个人拿起该商品,而如果这个时候旁边有很多人而且同时都在拿附近的商品,就比较麻烦了,目前Amazon Go通过位置是没办法判断谁拿走商品,所以需要多维度姿态检测。

我们从现在这张图看到的视角,在天花板上有摄像头,在对面货架也有摄像头,通过多维度姿态检测判断是哪个顾客的手伸过去,比如这个货架上有个商品被拿走,而这个货架前有三个人,通过识别他们的位置、身体在哪儿、手在哪儿求出哪只手哪个人最有可能拿走该商品,因为人体姿态识别这块做得比较久了,所以已经比较成熟了。

最后的重头戏是商品的拿取问题。我将商品识别的过程分为三个阶段,工作人员摆放好的货架状态记录为初始状态,顾客拿取货品为中间状态,放回之后为最终状态。在初始状态的时候,因为物品都是提前摆放好对单个摄像头来说没什么识别压力。比较困难的是在商品被放回的时候,因为对顾客而言,他可以放回任何一个商品,也就是说要识别这个商品就要在全店里识别全品类商品,而这个是比较难实现的,在Amazon Go的视频里,你在拿起商品的时候它会出现一个你的虚拟购物列表,当你放回一个商品的时候它会根据你的购物列表进行商品识别,这个时候效率就提高了很多。放回之后就到了最终状态,如果中间状态识别好的话,最终状态就变成初始状态,它会一直循环下去而不会造成系统的崩溃。系统崩溃会造成一些问题,比如无法识别放回的商品,或者识别了放回的商品但是放错了位置,当多个商品同时被放错离初始状态比较远的时候,系统无法很好的匹配或者识别。Amazon Go的机制是当它识别出你放错位置时,会提醒工作人员将其放回正确,最后又会回到初始状态。

刚才说的这些从技术上降低了一些难度,然后还有一些是我们之前没有考虑到的细节,比如这张图里的隔板,不要小看这个隔板,它起到的作用是非常大的,物品的摆放位置决定了物品的初始状态、中间状态和最终状态,也对摄像头的识别起到至关的影响,如果没有它,在顾客多次拿起放回后,商品的摆放位置是非常凌乱没有标准的,而有了它,什么东西大概在什么位置有一个精确的数据。

货架验证流程

变化(动作)侦测次级流程

其他无人收银方案的比较

RFID是十多年前的方案,每个商品上都贴有RFID标签,商场里会在门口设立读取器,当你通过门口时读取器会接收到RFID无线射频信号,每个信号对应一个ID,每个ID对应一个商品。它的信号读取范围在几厘米到3米左右,所以它也能实现无人收银。这种方式看起来挺好的,但是有一个很大的问题,就是成本。RFID标签的信号发射范围跟标签的制作成本有关,或者说跟它的尺寸有关,读取范围越大,尺寸就越大,制作成本就越高,如果想实现一米左右的信号发射范围,标签的尺寸大概在5cm,批量购买的话单价在1块钱左右。我们知道超市里的商品评价单价大概在10块钱,标签的成本就占据了10%,前面已经说了目前零售是薄利多销的行业,利润率非常低,这么小的东西成本就这么高,对于超市来说肯定是难以承受的。另外,标签尺寸大了后对商品外观会有所遮挡,而且标签贴在外面的话如果被撕掉就无法识别,所以一定要贴在商品里面。还有的问题的是,标签不能贴在液体商品或金属商品上,信号会被屏蔽,比如这个标签本来能发射1m的信号,结果只能发射10cm,就等于没信号了。除了液体或金属商品,有些像蛋糕这样的商品为了防油会在包装纸里加入锡箔纸,而锡箔纸也会让信号非常强的衰减。即使没有这些东西,如果你想偷东西,你只要在身上放上锡箔纸,信号就没办法被识别到了。所以,RFID目前主要被用于仓储和物流管理,是用于后台管理而不是前台的收银,而且现在70%是用于服装领域,而不是便利店,这也是为什么IBM在20年前就提出Bingo Box方案但到现在都没有发展起来的原因。

去年亚马逊推出的Amazon Go是利用了视觉识别,目前视觉识别对于单个商品或人物识别达到了一定程度,而且现在摄像头的成本也相对降低了。

除了以上这些方案,还介绍两个新的方案,一个是针对服装店的,一个是针对电子商品实体店的。

其实,无人收银最大的价值在于数据,传统的购物模式是没办法了解到顾客的购物喜好,而无人收银或自助收银,可以知道顾客顾客在货架前的流量、停留时间和次数,以及顾客每次拿起/放回的商品及其个数,实时反馈的货架库存。这就是我们做无人零售的思路,目前我们正在做一款智能货架,也是想要得到这些数据,以及想知道这些数据能够带来什么样的价值。

Q&A 环节

Q:国内也有做无人零售店,据我所知每次只进入一个人,这肯定不是未来方向,请问如果判断多人进入商店,各人随机购买商品,能精准定位谁拿了哪件商品?

A:每次只进入一个人属于封闭式模式,当你进去后,不管是对你手机信号进行定位也好,还是对你进行特征识别,只要里面的东西被选了,那就是你买的,都会记在你的帐下。而多人进入商店并且同时在同一货架购买商品,靠定位是没办法实现的,因为你对Wi-Fi的信号定位即使到了cm级别,但真正要定位的是手,所以需要对人进行多维度姿态检测,Amazon Go使用的是视觉识别,目前来看能够有较好的识别。

Q:无人零售在中国是否会水土不服?所面临的风险有哪些?

A:无人零售的关键在于核对,或者说监督防盗,在Amazon Go的方案中能够很好的识别商品被谁拿走了,所以能起到防作弊的作用,一般的方案是让你自己去结账。不过,这样的方案存在的技术难点在商品品类的识别,像Amazon Go这种200平米规模的店还比较好解决,如果是超市这样的规模,就搞不定了,因为如果你对10万件商品进行建模、训练、提取它的特征值,是非常非常大的工作量,然后它在货架上的位置,或在货架上的组合再进行训练,也是一个非常大的问题,Amazon Go的巧妙之处在于它有隔板,让商品识别标准化,减少很多工作量,而在超市中商品的形态是非常多的,所以这个方法是很难行得通。

刚刚是从技术层面来讲,现在来从商业可行性上来说下这个问题,现阶段来说它的成本太高了,上次我问了一个给超市做系统的CTO,一般超市如果花100万做改造,全国就要花费一个亿,所以成本是非常高的,而且现在很多超市是亏损的,而这种方案不会造成根本性的变革。国内我了解到阿里的团队正在调研准备做了,京东是在接触杭州的一家做图像识别的团队,但不知道有没有在做。阿里和京东在技术上已经是积累比较牛的了,但也是顾虑很多,主要是它最后的商业价值和它的能力的匹配。然后,水土不服的问题应该是作弊、盗窃的行为,不过还好,我跟超市的经理聊过,他们说超市的盗窃一般都是惯犯所为,所以我们就只需要识别出正常购物行为和不正常购物行为,正常购物行为是比较好识别的,不正常购物行为就有些难度,比如如果有人故意遮挡住摄像头,Amazon Go的系统就没办法识别出来。

雷锋网原创文章,未经授权禁止转载。详情见转载须知。

本文标题:无人零售商店(Amazon Go)技术方案以及发展趋势(附PPT+视频)|硬创公开课 - 搞笑
本文地址:www.jrkynews.com/fun/4161.html

评论

  • 相关推荐
  • 新闻
  • 娱乐
  • 体育
  • 财经
  • 汽车
  • 科技
  • 房产
  • 军事