Simbe Robotics 公司的机器人 Tally 协助零售商优化库存管理,以此来提高销售额。
曾经居住在硅谷的 Brad Bogelea 和 Mirza Shah 曾向 Jeff Gee 推销他们的机器人概念。幸运的是,这位明星设计师彼时正在 Willow Garage 机器人实验室工作。
2014年,他们三人一起创立了初创公司 Simbe Robotics,创始人之一的 Mirza Shah 也曾作为软件工程师在 Willow Garage 公司工作。
该初创公司的机器人 Tally 由 NVIDIA Jetson 提供支持,现已为全球数十家最大的零售商提供服务。该多任务型机器人可自主浏览商店、扫描商品条形码,每小时最多跟踪多达 3 万件商品。
在 Jetson 上运行的机器人 Tally 更高效——处理来自多个摄像头的数据,并执行机载深度计算机视觉算法。这种强大的边缘人工智能性能增强了 Tally 的数据捕捉和处理能力,在最大限度降低成本的同时,更加快速、无缝地为 Simbe 的客户提供库存和货架信息。
据该公司称,Tally 每天最多可扫描三次商店库存,通过减少缺货来提高产品可用性,并促进零售商的销售。
Simbe 的 CEO Bogolea 表示, “我们为零售商提供的关键信息包括哪些产品没有上架,哪些产品可能放错了地方或定价错误,以及产品在商店的最新摆放位置和可用性。”
发掘零售商机
Bogolea 表示,借助机器人 Tally,零售商店能够更好地管理店铺货架,并以此帮助他们发现可能错过的销售机会,让他们认识到改善库存管理将对业绩带来的积极影响。
Tally 还让零售商们更好地向商店员工和顾客展示商品——即使在他们还未进入店铺之前。
例如,中西部的 62 家 Schnuck Markets 通过部署 Tally 将其自有的 Loyalty 应用程序与 Tally 的产品定位和产品可用性功能结合,让购物者和使用 Instacart 购物的消费者可以自行确认产品的可用性以及精确位置。
此外,借助 Tally 提供的数据,由于 COVID-19 而激增的网络购物也得到了缓解。例如,加快 Instacart 等线上购物平台的订单拣货,更快地完成订单。
Bogolea 说道,“借助数据和技术开展零售业务的零售商将让自己在零售的竞争中脱颖而出。”
同时,这对商店员工也是一个福利,曾经忙着清点库存的员工现在可以专注于改善客户服务等其他工作。
除了Schnucks,家乐福(Carrefour)、迪卡侬(Decathlon Sporting Goods)、Groupe Casino 和 Giant Eagle 都已部署 Tally 机器人。
从云到端部署 AI
AI 是支持 Tally 在动态环境中进行自主导航、分析传感器收集的大量信息、报告各种指标,如库存水平、定价错误和库存错置的关键技术。
Simbe 正在利用 NVIDIA GPU,实现从云端到边缘的 AI 模型训练和推理。这些模型可以检测货架上的不同产品,读取条形码和价格标签,并检测障碍。
NVIDIA Jetson 通过分析机器人收集的大量 2D 和 3D 传感器数据对数据采集系统进行优化,并以此实现产品定位功能。
通过在 Tally 上运行 Jetson,Simbe 能够处理来自激光雷达以及 2D 和 3D 摄像机的本地实时数据,以帮助产品识别和导航。此外,Jetson 已经降低了在云端处理数据的依赖。
Bogolea 说道:“我们捕捉实时数据的频率和精确度比以往任何时候都高。”
利用 NVIDIA Jetson 的好处之一是它给了我们很大的灵活性,让我们开始更多地向边缘移动,降低我们在云端的运营成本。”
好文章,需要你的鼓励
卢森堡大学研究团队开发的RLDP框架首次将强化学习应用于差分隐私优化,创造性地解决了AI训练中隐私保护与模型效果的矛盾。该方法如同智能教练,能动态调整隐私保护策略,在四种语言模型上实现平均5.6%的性能提升和71%的训练时间缩短,同时增强了抗隐私攻击能力,为敏感数据的AI应用开辟了新路径。
这项由北京大学人工智能研究院完成的研究,首次从数据压缩理论角度揭示了大型语言模型存在"弹性"现象——即使经过精心安全对齐,模型仍倾向于保持预训练时的行为分布。
腾讯混元团队联合北京大学提出MixGRPO技术,通过混合ODE-SDE采样策略和滑动窗口机制,将AI图像生成训练效率提升50%-71%,同时在多项人类偏好评估指标上超越现有方法。该技术采用"从难到易"的渐进优化策略,专注于图像生成早期阶段的重点优化,并引入高阶求解器进一步加速训练过程,为AI图像生成的产业化应用提供了更高效可行的解决方案。