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
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。