AmazonasEl nuevo sistema Just Walk Out (JWO) impulsado por IA ahora puede procesar simultáneamente datos de múltiples fuentes, incluidas cámaras aéreas, sensores de peso de estantes y RFID, para vincular con mayor precisión los productos con los clientes que los compran. Este nuevo modelo base multimodal utiliza los mismos modelos de aprendizaje automático que subyacen a las aplicaciones de IA generativa, pero los aplica al entorno de la tienda física.
“Podemos combinar todas estas señales diferentes en un solo modelo para enseñarle a un sistema de aprendizaje automático a operar en toda la información de una sola vezlo que significa que podemos generar recibos de manera más rápida, más eficiente y más precisa que el sistema existente, que ya era bastante bueno”, dijo Jon Jenkins, vicepresidente de Just Walk Out, durante una sesión informativa sobre tecnología el 30 de julio.
Tecnología JWO, lanzada en 2018 y ya disponible 170 Los puntos de venta de terceros analizaron previamente el comportamiento de los compradores (sus movimientos y ubicación dentro de la tienda, lo que compraron y la cantidad de cada artículo). secuencialmente. Pero en escenarios de compras inusuales (por ejemplo, una vista de cámara oscurecida debido a una iluminación deficiente o a un comprador cercano), este método secuencial podría tomar tiempo para determinar las compras con confianza y, en algunos casos, puede requerir un reentrenamiento manual del modelo.
El nuevo JWO tiene en cuenta múltiples entradas de datos simultáneamente y prioriza los más importantes para determinar con mayor precisión la variedad y cantidad de artículos que seleccionan los clientes. Para respaldar el aprendizaje continuo, los sistemas JWO están entrenados en un mapa planográfico 3D de la tienda para comprender la ubicación de los exhibidores y productos, así como un catálogo de imágenes de la mercancía de la tienda para que puedan reconocer visualmente los artículos con mayor precisión. Esto permite que el nuevo sistema basado en inteligencia artificial reconozca el comportamiento del comprador incluso si la tienda se reorganiza o si los artículos se reorganizan o se extravían.
Domar el desafío de los puntos de datos en conflicto
Jenkins describió cómo funciona el nuevo sistema basado en IA: “Con el planograma 3D, el sistema ‘sabe’ qué debe haber en cada lugar, y las cámaras en el techo pueden ver lo que su mano está sacando de un estante», declaró. «¿Esto coincide?» Si es así, todo está bien. También hay un sensor de peso en el estante que confirma que, por ejemplo, un 16 onzas La lata de Red Bull acaba de salir del estante. Pero si alguien lo hubiera reemplazado con una lata de Coca-Cola, el sensor de peso podría leer 12 onzas y la cámara vería el rojo y el blanco de una lata de Coca-Cola.
«Tradicionalmente, el sistema tiene dificultades para manejar estos conflictos, pero cuando todo se junta, puede tomar decisiones», añadió Jenkins, señalando que en algunos casos el sistema tiene un mayor nivel de confianza en ciertos datos ingresados que en otros. «Es una gran ventaja en términos de precisión y eficiencia», señaló.
Aunque muchas implementaciones de JWO se han realizado en lugares más pequeños, como tiendas de conveniencia, tiendas de estadios y cafeterías de hospitales, Jenkins dijo que la tecnología se ha utilizado en tiendas tan grandes como «40.000 «Son 100 metros cuadrados, con toda la diversidad de productos que puedes encontrar en una tienda de comestibles. Entrenamos un modelo que es realmente increíble a la hora de capturar la diversidad de formas en que las personas interactúan».
