圖片來源:
圖/臺灣AI年會
Amazon Go在2018年正式營運後，用AI技術創造了新型態的無人商店，吸引了許多零售科技業者競相投入無人商店技術的開發行列，連臺灣都有業者投入，不過，要真正做到如同Amazon Go那樣大坪數、多種商品都能拿了就走的無人商店模式仍然非常困難，因為不只是AI技術難題，還有一個更大的挑戰必須克服才行。在今年台灣人工智慧年會上，一家同樣建立整套無人商店技術的新創AiFi共同創辦人鄭影，接露了他們如何打造出足以挑戰Amazon Go模式背後的關鍵。
全球已有25家商店部署AiFi的技術，不乏來自法國、英國、加拿大、波蘭等國的著名零售商，比如家樂福。AiFi的無人商店技術也可以大規模複製，預計一年內拓展到全球350家，甚至會落地亞洲。
鄭影透露，打造出無人商店的一大痛點，是資料多樣性不足的問題，得靠合成的影像資料（Synthetic Data），模擬出超商各種場景的影像來訓練AI系統，才能讓AI更精準的追蹤顧客軌跡、行為與拿取的商品品項。
無人商店AI系統訓練的一大關鍵：合成影像資料
AiFi不是第一家靠合成影像來訓練AI的無人商店業者，Amazon Go早在兩年前就曾揭露，核心技術Just Walk Out就是靠影像模擬器生成多元的購物場景與顧客消費情境，來擴大訓練資料量。
無人商店AI識別技術，一直以來都是電腦視覺領域的一大難題。這項技術有多難？協助開發Amazon Go核心技術Just Walk Out的前南加州電腦視覺教授Gerard Medioni曾揭露，無人商店系統包含了6個關鍵問題，分別是感測器融合（Sensor Fusion）、攝影機位置校正、人像偵測、物件辨識、姿勢辨識與行為分析（Activity Analysis），整合這6大技術，才能單靠電腦視覺，來識別每一個人在商店中的軌跡、行為與拿取商品，最終達成「拿了就走」的購物體驗。
鄭影進一步指出，無人商店的電腦視覺難題可分為三類。第一，是大規模場景下的顧客追蹤問題，比如在500平方公尺的超市中，同時追蹤500個人的購物旅程。第二，是顧客行為識別問題，包括顧客在哪裡、做了那些動作、何時與貨架接觸、拿了一項商品還是放回一項商品，尤其在真實情境下，不同顧客可能同時伸手拿取同一樣商品、交叉拿取商品，都會增加影像識別的複雜性。
第三，則是大量商品辨識問題，比如在一家50平方公尺的店面中，可能擺放了1,500種商品，又或是一家1,500平方公尺的商店中，可能涵蓋了3萬種不同品項的商品，AI系統必須能同時識別數千種商品品項，才能正確計算顧客的消費金額，「商品數量越多，AI辨識的難度就越大。」鄭影說。
「這三個難題都有一個痛點，數據從何而來？」鄭影指出，AI領域常聽到形容訓練資料的一句話：「垃圾進、垃圾出。（Garbage in, garbage out.）」顯示訓練資料之於AI的重要性。無人商店AI系統的開發挑戰，在於訓練資料難以涵蓋到各種商店場景、不同形式的貨架以及各種商品品項的資料，就連同一家店內，都可能因光照條件不同而產生多種影像資料。同時，影像的標註太耗時耗力，一家店內可能同時有上百位顧客、上萬種商品，要全數標註完成是一大挑戰。「如何實現數據的多樣性和完整性，成為非常大的難題。」
為此，AiFi與Amazon不約而同的都採用影像合成技術，生成大量訓練資料，再用來訓練AI系統。鄭影表示，這類作法的著名案例，就是Tesla與Waymo，透過模擬各種天氣下的路況，來訓練自駕車的能力。實際應用在無人商店的AI訓練中，AiFi打造了一個AI模擬循環作法（AI Simulation Loop），先模擬生成訓練數據，確保AI大腦擁有足夠的數據來進行訓練，下一步，將訓練完成的模型用於現實場景測試，再將實測結果回饋到模擬系統當中，針對辨識較差的場景生成更多影像資料，反覆優化AI模型。
如何靠模擬合成資料優化AI訓練流程？
鄭影以實際影片展示，這套影像模擬系統，已經能夠數位化一家200平方公尺的商店，模擬各種商店背景、貨架、商品擺放方式，也能模擬各個攝影機看到的視野，來優化攝影機的擺放位置與角度。在模擬顧客時，則可以控制人的密度、人數、消費行為，就連數位化的商品，都能模擬在不同光照之下，商品在攝影機畫面中的呈現。
CCD外觀檢查包裝機
品質優益穩定,效率高成本低,並已獲得國內外大廠承認使用，品質合乎EIA國際標準, 此外也針對客戶端的需要代客Tape and Reel封裝服務。
測試專家告訴你如何好好使用示波器
示波器主要由電源系統、同步系統、水平偏向系統、垂直偏向系統、延遲掃描系統、顯示系統和標準訊號源等部封包成。
買不起高檔茶葉，精緻包裝茶葉罐，也能撐場面!
紫砂茶葉罐是多孔性材料製成，透氣性非常好，因為罐子多微小氣孔，用來存放茶葉，不僅能保鮮鮮，還能消除茶葉中的異雜味。 但也是因為多孔，所以紫砂茶葉罐容易吸收茶葉的香味。
一般貨櫃標準尺寸?
金誠貨櫃尺寸種類分別為，20呎櫃、20呎高櫃、40呎櫃、40呎高櫃、20呎冷凍櫃、400呎冷凍櫃。
鄭影也舉出兩個例子，來說明如何靠影像模擬生成，來優化AI訓練流程。其一，是在密集性的商品識別情境下，一張影像可能就包含了上百種陳列商品，若要以人工標註每張影像，假設以一張影像15分鐘來計，每人每天工作8小時，也只能標註32張訓練資料；不過，若採用合成資料的方式，在同樣的時間內，電腦可以生成500～1,000倍的訓練資料量，而且影像生成時，就已經預標註了每一種商品，能夠省去大量人工標註時間，還能根據商店實際要擺放的商品來生成影像，再進行模型訓練。
透過模擬影像的作法，也能細緻的模擬每一種商品在貨架上的排列方式，比如是整齊的陳列在貨架中、還是稀疏的擺放；若是稀疏的擺放，還需要考量到每個商品的朝向可能參差不齊，帶來更多商品陳列的可能性。「當每張圖擁有100種不同商品的時候，商品朝向的組合會呈指數型成長，」鄭影指出，用模擬影像的方式，可以列舉商品不同的擺放與朝向，生成足量的訓練資料。
模擬稀疏的擺放方式，各種商品擁有不同朝向。
模擬商品整齊的排列方式。
另一個例子，是在追蹤顧客動向時，隨著店內人數增加、場地更大，裝設的攝影機數量更多，若要同時追蹤每個顧客的行為，所需的運算時間也會成指數呈長，「許多零售場景下，會希望顧客追蹤即時且準確，這就加大AI識別的難度。」
鄭影指出，為了在一家700平方公尺的店內，即時追蹤100個人同時間的購物行為，「我們需要把產品解決方案，做得比高階技術（state of art）快一千倍，這時，模擬數據扮演非常重要的角色。」AiFi要透過合成大量數據，將模型訓練得更快、更小、更精準。但她並未解釋如何透過更完整的合成資料，來加快AI運算速度。
透過這套資料模擬系統，AiFi也能控制店內的人數、密度，並列舉每個人的服飾、動作、帽子、髮型、膚色，讓演算法更健全（Robust）。以此來訓練AI之後，AiFi也實際進行100位顧客在店內購物的壓力測試，在高密度的人群追蹤中，除了可以識別每個人的行動軌跡，也能標註出每個人的骨關節，包括手腕、手軸、肩膀等位置，來瞭解每位顧客的行為。
模擬商店內人群密度、人數，以及每個人的服飾、動作、帽子、髮型、膚色等。
靠AI標註出每個人的骨關節，包括手腕、手軸、肩膀等位置，來判斷每位顧客的行為。
無人商店AI技術可驅動更多智慧零售應用
「這套無人商店AI技術，驅動了更多智能零售場景的應用。」鄭影解釋，這套技術除了可以實現「拿了就走」的購物體驗，另一項特點，是在即時統計貨架上每種商品的剩餘數量後，能自動通知員工應補貨的商品品項與數量，並透過更精準的進貨，來解決商品庫存過多造成的損失問題。將顧客於實體店面的購物旅程數位化後，也能進行後續的智慧零售運用，比如依據顧客行為優化商品擺放位置，或進行個人化商品推薦。
https://www.ithome.com.tw/news/147310
隨時健康喝好水，高品質飲水機，優質安全有把關
飲水機的問題主要有三個方面，一是水沸騰溫度不足，絕大多數的飲水機最高溫度是95度，再沸騰溫度是90度，泡茶殺菌的溫度不夠
總是為了廚餘煩惱嗎？
雅高環保提供最適用的廚餘機，滿足多樣需求。
攻戰消費者第一視覺,包裝設計很重要!
包裝設計是指對包裝的形狀、大小、構造及包裝材料等方面進行創造或選擇並以適當方式吸引消費者的注意力，進而增加購買率，以及對使用者友善之特性。
找工作! 想知道堆高機駕駛日薪是多少嗎? 哪裡有職缺?幫你快速媒合
堆高機，又稱叉架起貨機或叉式起重車，香港稱為鏟車，中國大陸稱為叉車，台灣國語稱為堆高機，台語俗稱豬哥（ti-ko），是指工廠、倉儲等地方對成件托盤貨物進行裝卸、堆垛和短距離運輸作業的各種輪式搬運車輛。國際標準化組織ISO/TC110稱為工業車輛。堆高機的發展於1920年代，今天在生產和倉儲運營過程中它已成為不可或缺的設備。