AI补货机器人,推向数百家日本便利店

总部位于东京的初创公司Telexistence上周宣布将部署 NVIDIA AI 驱动的机器人，为日本数百家全家便利店的货架补货。

日本有 56,000 家便利店——全球第三高密度。其中大约 16,000 家由 FamilyMart 经营。Telexistence 旨在通过将重复性任务（如重新装满饮料货架）交给机器人来为这些商店节省时间，让零售员工能够处理更复杂的任务，如与客户互动。

这只是 Telexistence 的机器人可以做的一个例子，它在NVIDIA Jetson边缘人工智能和机器人平台上运行。该公司还在开发基于人工智能的仓储物流系统，其中包含分拣和拣选包裹的机器人。

“我们希望将机器人部署到支持人类日常生活的行业，” Telexistence 首席执行官 Jin Tomioka 说。“我们解决这个问题的第一个领域是通过便利店——一个支持日常生活的巨大网络，尤其是在日本，但面临劳动力短缺。”

该公司成立于 2017 年，下一步计划将业务扩展到美国的便利店，而美国的便利店也受到零售业劳动力短缺的困扰——超过一半的消费者表示他们至少会光顾该国 150,000 家便利店中的一家每月一次。

Telexistence 机器人在 FamilyMart 备货

Telexistence 将于 8 月开始在 300 家 FamilyMart 商店部署其名为 TX SCARA 的补货机器人，并计划在未来几年将自动机器带到更多的 FamilyMart 地点以及其他主要连锁便利店。

富冈说：“工作人员大部分时间都在商店的后面房间里，补货货架，而不是和顾客一起出去。” “机器人即服务可以让员工花更多时间与客户相处。”

TX SCARA 在轨道上运行，包括多个摄像头来扫描每个货架，使用 AI 识别即将用完的饮料并规划补货路径。人工智能系统可以在超过 98% 的时间内成功地自动补充饮料。

在机器人错误判断饮料放置或饮料倾倒的极少数情况下，零售员工无需放弃他们的任务来让机器人重新启动并运行。相反，Telexistence 有远程操作员待命，他们可以通过使用 NVIDIA GPU 进行视频流传输的 VR 系统进行手动控制，从而快速解决这种情况。

Telexistence 估计，一家繁忙的便利店每天需要补充 1,000 多种饮料。TX SCARA 的云系统根据机器人在运行过程中库存物品的名称、日期、时间和数量，维护一个产品销售数据库。这允许人工智能根据过去的销售数据优先考虑哪些商品首先要补货。

使用 NVIDIA Jetson 实现边缘 AI 

TX SCARA 在引擎盖下有多个 AI 模型。对象检测模型识别商店中的饮料类型，以确定哪种饮料属于哪个货架。它与另一个有助于检测机器人手臂运动的模型相结合，因此它可以拿起饮料并将其准确地放在其他产品之间的架子上。第三个用于异常检测：识别饮料是否掉落或从货架上掉下来。另一个检测每个显示区域中哪些饮料已用完。

Telexistence 团队使用定制的预训练神经网络作为他们的基础模型，添加合成和注释的真实世界数据，以针对其应用微调神经网络。使用模拟环境创建 80,000 多张合成图像帮助团队扩充了他们的数据集，因此机器人可以学习检测任何颜色、纹理或照明环境中的饮料。

对于 AI 模型训练，该团队依赖于NVIDIA DGX Station。机器人本身使用两个 NVIDIA Jetson 嵌入式模块：用于边缘 AI 处理的NVIDIA Jetson AGX Xavier ，以及用于传输视频流数据的NVIDIA Jetson TX2模块。

在软件方面，该团队使用NVIDIA JetPack SDK进行边缘 AI 和NVIDIA TensorRT SDK进行高性能推理。

Telexistence 首席机器人自动化官 Pavel Savkin 表示：“如果没有 TensorRT，我们的模型将无法运行得足够快，无法有效检测商店中的物体。”

Telexistence 使用半精度 (FP16) 而不是单精度浮点格式 (FP32)进一步优化了其 AI 模型。

ISHA SALIAN