首次揭祕!阿里無人店系統背後的技術

今年雲棲大會現場一大網紅打卡地莫過於天貓將來店:沒有收銀臺、結算不用掃碼不用排隊……對於消費者來講,「天貓將來店」的無感支付,真的能夠「拿了就走」。這個佔地80平方米的天貓將來店,陳列着多種食品飲料和零食,一次性可容納20餘位消費者。進入店內,天貓的全域追蹤技術將捕捉到消費者的行爲,在「T-guide」指引下便可迅速找到你想要的商品,選購結束後自動結算,實現「即拿即走」。算法

下面,咱們邀請阿里巴巴淘寶技術部資深技術專家,天貓將來店技術負責人時維,爲你們分享「天貓將來店」背後的技術(本文根據雲棲大會演講整理而成)。服務器

時維:個人分享將分爲四個部分:第一部分先介紹一下無人店的概念,第二介紹一下天貓將來店是怎樣的「無人」、具體技術怎麼實現,第三是下一步是這種基於AI的無人店方案、接下來的演進方向是怎樣的,最後一部分會談一談咱們對將來的暢想。網絡

1、無人店的透視

首先咱們來透視一下「無人店」這個概念。其實要解釋兩點誤區:第一點誤區,無人店其實不等於徹底無人。實際上無人店的「無人」只是「無」掉了部分「人」工做,一部分是枯燥繁重的工做,另外一部分是人類難以特別好地實現、須要很高的人力成本的工做,咱們但願把這部分工做無人化。架構

對於店裏面來說,基礎的服務員、收銀員的工做,天天都在重複化、機械化操做的,這部分是咱們但願無人化的。而對於導購(一個特別資深的導購和全部來店的人都是朋友、一些熟人)、庫管還有咱們的店長(知道在哪兒開店、知道怎麼進貨、備貨),這些人的工做都是須要高難度長期培訓才能上崗的,咱們但願把這部分工做也無人化,但這還只是無人店但願達到的第一個目標。第二個目標,是要經過技術手段,實現線下消費流程的全面深度的數字化,以推進整個零售產業鏈的智能化升級。這就是我剛纔說的,咱們須要把線下的數據和線上的數據融合起來,仍是可以爲咱們提供更精準的服務,這纔是零售行業升級的下一步目標。框架

第二個誤區,不少人以爲新零售主要就是無人零售,這一點也須要跟你們從新解釋一下。如上圖所示,其實新零售是一個很大的概念,好比盒馬,好比咱們和銀泰的合做,好比淘寶心選,好比最近剛剛和星巴克成立的合做。不管是經過技術、經過商業模式仍是經過渠道,只要在原有零售效能上實現了質變的升級,咱們均可以稱之爲新零售。分佈式

無人零售只是新零售中的一部分,並且無人店也是無人零售中的一部分,由於無人零售還包括了自動售貨機,還包括各個辦公樓裏面的開放貨架。這三種模式實際上是針對不一樣的點位、不一樣的用戶羣及不一樣的時效性來發揮不一樣的做用,時效性要求比較強的多是自動售貨機,寫字樓裏面多是開放貨架,而無人店更多的是要針對社區、商區及辦公樓下的便利店、垂直行業零售店進行改造和升級。ide

其實你們以前都見過了無人店這兩三年內在熱度上的大起大落,實際無人店產業是什麼樣的狀況?通過統計數據能夠知道,2017年並無外面唱的那麼衰,實際有200億元的產值。其實在2020年,經過分析公司的預測,應該還會有650億元的市場規模。主要的驅動力仍是來自於線下的人力成本和其餘運營成本逐漸攀高,以及你們對消費的需求也在升級。最後還有一個重要的驅動力是智能技術的發展。之前咱們只會想象一下將來的高科技生活,可是技術達不到,那就算了,不玩了。可是如今的技術能達到這樣的水平,「咱們要這樣生活」的慾望也就被勾起來了。因此這三點是無人零售的三大要素。性能

再補充一點,有人會說「拿即走」是一個僞需求,但經過艾瑞諮詢的數據統計,在中國市場,發現8.5%的人但願有人工收銀,22.7%的人但願出門一次性統一掃碼,29.8%但願有一個智能結算的購物車或者購物籃,出去的時候往那一放就走了,但仍是有39%的人但願拿了就走,自動結算,因此「拿即走」這種體驗,仍是表明了廣大消費者對提升生活品質的一部分需求的。學習

總結下來,阿里無人店開發的宗旨就是兩句話:首先,技術上我是要追求無人的能力,但不迎合無人的體驗。個人目標更多仍是但願探索前沿。剛纔說了你們有不少想法是由於技術達不到因此纔沒有作,因此我要作的事情,我能夠先不發散個人思惟,我把思惟收斂回來,作技術的,就要看技術上具體怎麼知足你們的異想天開的想法。但若是我去迎合無人的體驗,那就會爲了迎合體驗儘快市場化而對個人技術進行降級。測試

好比說如今可能開無人店要一百萬的成本,原本我能夠從技術角度突破成本的瓶頸,用技術能力到50萬、20萬的成本。但爲了迎合無人體驗,我今天就想開幾十家無人店,個人重點就聚焦在瞭如何經過商業模式節省成本了,這樣的話個人技術就停滯不前,下降了個人技術上的要求。

其次,咱們另外一個宗旨是賦能商家,咱們更看重的是要提高合做夥伴的線下產業的人效、坪效。若是你們開過店或者作過買賣的人就知道,開店是否成功和盈利,最終仍是要看人效和坪效這兩個指標,就比如咱們開網店要看GMV同樣。

接下來,咱們來介紹兩個無人店改造的具體案例。第一個是阿里庫,這是在西溪園區旁邊的阿里受權的專門賣阿里記念品的店。通過開刀改造手術之後,和去年相比,全天營業額同期增加75%,購買人數增幅56.5%,銷量增加20%,並且你們能夠看到咱們總共是120平的店,全天進店客流是2300。就是由於作了無人化的改造,由於出口自動結算了,全部平均出口的時間只有4.5秒,才能知足2300的客流量尚未把店爆掉。

第二個案例是志達書店。項目比較值得說的一點是由於有了一些成熟經驗,因此改造週期很快,從開始到交付只用了53天。咱們給它改的已是3.0版本,3.0版本和去年從新裝修的2.0版本相比,日成交額提高78.3%。

2、雲棲現場無人店解析

我說的阿里庫和志達書店,對他們來講多是2.0或者3.0版本,但對阿里的無人店體系來講仍是1.0版本。而如今在雲棲大會現場,出門左拐的天貓將來店是咱們的2.0版本的無人店。

2.0版本的無人店用一句話歸納,就是基於計算機視覺的「天貓將來店」。此次開店的目的已經再也不是秀咱們的無人結算的技術,而是告訴你們在作一個線下店的時候,有了這些技術我還能幹什麼,如何經過技術的提高知足你們各類各樣的玩法和想法。你們能夠體驗一下。用咱們運營的同窗的話來講,就是告訴你們將來的門店能夠作成什麼樣、能夠往哪一個方向走。

好比你如今進店想找某一個東西,可以快速找到。同時,咱們有大大小小長長短短100多個屏幕,這個屏都是用來直觀和顧客進行交互,而且顯示詳情、評價、優惠等活動,儘可能作到比你懂你、隨處隨想和所見即得。對於B端商家而言,咱們這個店也已經作到自動結算、一鍵盤貨、異常預警、自動補貨、人羣畫像、單店畫像、供應鏈預測、經營狀態分析等等能力。

爲了你們一下子去現場體驗時玩得順暢一點,這裏教你們一下購物流程。首先進店掃碼,刷碼進場後你的惟一識別ID在場裏面創建起來了。當你走到一個屏幕前面,屏幕會給你信息,指引你想要商品在哪裏。當你拿起商品的時候,經過重力感應及貨架上的視頻識別你拿了什麼,並將這筆訂單加入你的虛擬購物車。在出門的時候,會自動結算掉你的虛擬購物車裏尚未被放回貨架的商品,而且會在你的手淘或者是支付寶生成虛擬帳單,你能夠回頭看我買了什麼。若是你買了的商品在線上有貨的話,直接跳轉到線上店進行線上復購。這就是逛天貓將來店一個基本的流程。

這張圖是咱們從5月份到如今積累出來的算比較成熟的無人店技術架構,若是你們有興趣本身開店的話也能夠參考這個架構。我稱這個架構爲很是6+1的模式,「6」指什麼?現場有傳感端,傳感端把採集到的信息和數據反饋算法端,由算法端進行解析,通知給現場的執行端和客戶端,分別進行閘機開關、屏幕投放、促銷推薦等能力。這五個端是經過本地的網關來進行串聯,因此6是指五個處理的端加上一個本地網關。「1」是指在雲端上還有整套原來已經很完備的交易、處理、經營、數據存儲的能力,這就是天貓將來店的總體技術架構。

天貓將來店裏面涉及到的技術有不少,主要的核心能力其實只有三個:第一個能力是全域追蹤能力,第二個能力是商品識別,我經過貨架的重力感應器和貨架上的攝像頭,咱們能感知到用戶手裏拿了什麼商品。第三個能力,我知道了人是誰、貨是什麼,最後結算的時候要作人貨匹配。人貨匹配目前是無人店體系裏最關鍵的一項技術,由於你要給人扣錯錢,這個事情就很是不開心了。這兩天有不少人到咱們的店挑戰,出現了諸如你們兩人並排站一塊兒交叉拿貨、拿了貨之後在手裏互相傳、一我的拿了貨給另一我的再放回來等等狀況,這些都對算法的能力帶來了很大的挑戰。因此說只有開過店,你纔會知道現場會發生各類奇怪的事情。

不管是人的識別仍是商品的識別,仍是人貨綁定的識別,其實最後是在數據化用戶的線下行爲。線下行爲數據化以後,首先我能夠補足線上的數據,可以造成更完善用戶畫像。那麼這些數據對於線下的門店又有什麼直接、具體的反饋呢?我這裏會介紹一個具體的例子——因人而異的商品引導。經過室內定位我能夠知道現場誰在哪一個位置,而後咱們就能夠幫用戶實現快速找到他想要的商品。好比我最近熱賣的天貓精靈,你想知道這個貨架在那兒,經過屏一點就能夠直接引導你到貨架前面,這是由於咱們已經具有了掌握店內客戶動向的能力,因此咱們纔可以對用戶作精準的引導。

3、AI解決方案的演進

前面講的這些就是咱們過去這段時間在無人店體系建設上所作的努力,那麼將來無人店的建設方向是什麼呢?今天Amazon剛剛發了一個新聞,它在2021年準備開三千家無人店,其實咱們也是。不管誰作這個技術,最後必定但願達到的是市場化、規模化的目標。要想達到市場化、規模化繞不開三個問題:

 ●  定向提高算法能力。如今有一些體驗仍是不完善的,用戶進店拿東西進行結算仍是須要配合傳感器的,好比咱們仍是須要你們穩定的站在閘機前面以便攝像頭能獲取你們的入場畫面。抽象來講就是須要用戶配合我拍攝到一些信息才能給用戶提供好的體驗,這仍是算法能力須要繼續提高的角度;
 ●  下降硬件的成本。如今的硬件是要知足高難度的處理要求因此算力是過分冗餘的;

 ●  下降部署成本。部署有時間成本,好比改造一個無人店,若是說這個店要關一年才能改造好,誰都不高興幹;若是說一個月就能改造好,他就願意,這就是時間成本的問題。第二是部署完了之後每一次升級新的功能,都須要人跑到現場一個個更新上去,就像你們常見的電梯裏的廣告屏幕要插U盤更新同樣,這也是不現實的。

下面我先介紹下須要定向提高哪些算法能力。如圖,若是不看這張照片,你們確定都不會聯想到左右兩張照片是一我的,你們若是玩抖音的話,看到有不少小姑娘在從下巴的角度拍照,反差是很大的。若是用戶是擺着這樣的角度進場的話,對咱們來講就很尷尬了。現場有作深度學習的同窗,可能以爲也還OK,我只要有足夠多的樣本進行訓練,老是可以訓練出來的。可是這裏有一個關鍵的問題,在開店的時候和咱們在作算法平臺最大的區別是不少用戶過來的行爲是一次性的,他們的臉和他出如今鏡頭前的角度只有這一次產生,我須要在這一次拍攝中就要把他識別出來是誰。因此,接下來咱們除了深度學習的方法外,還會迴歸到傳統的模式識別神經網絡的方法,以及傳統的圖形畸變修正的方法。

最終但願能一次性的完成不一樣角度的人臉修正,她只要這張臉(左圖)過來,他就能修正到這張臉(右圖),其實這是能夠,好比骨骼面容修正算法等等,這是咱們須要下一步提高的能力。第二是算法的環境適應。如今開無人店或者造無人機、無人車這樣「人工智能」的產品,生產方式實際上是比較累的。我每開一家無人店,都須要針對這家店的特殊環境、應用需求來部署個人模型、訓練個人算法,其實這是不適合推廣的。咱們但願作到的是算法的環境是可以進行邏輯分離,我把個人調參和模型部分分開,調參是根據各類環境傳感器,反饋回來創建一個調參機制,而後和我已經訓練好的模型進行匹配。我每換一家店,只要經過這家店的環境傳感器得到到的信息,就能夠把前面的模型進行修正、調參,而後就能運行這家店,這是咱們下一步要作的。

對於設備下降成本這一部分咱們會作兩部分工做,首先是收斂設備性能的要求。其實你們內心要有一個概念,就是個人計算能力的提高帶來的成本提高並非線性的,不是一倍的計算能力須要一百元,二倍的計算能力是二百元,不是這樣的,可能一百是一百,兩倍是五百。在一開始的雲計算時代是沒問題的,有很龐大的雲,在邊緣計算時代,其實個人成本會高居不下的。因此我接下來但願強化端側智能,把更多計算沉澱到端側,不是說店裏有一臺服務器管全部的事,而是店裏的攝像頭和屏幕都有本身的計算能力,來分擔計算壓力和計算成本。第二是設備的標準化,全部的商品都是可替換、可維修,也是標準件,能夠快速進行建設和替換。此外,在現場實際部署階段,經過機器人每日開業前閉店後的自動巡檢測試,保障全店從智能硬件到AI算法的端到端全鏈路穩定有效運行。

最後,咱們會創建一套設備管理體系來提高門店的部署和維護效率。這裏要介紹一下阿里雲的產品Linkedge,能夠基於這套框架開發可熱插拔HAL層,不管它走的是藍牙仍是兩根裸線的協議,都能實現對設備信息的上傳下達和設備的監控。這套設備管理體系的功能能夠概括爲:第一,系統和功能能夠遠程升級;第二,能夠分佈式跨設備部署系統,不管是A屏、B屏、大屏仍是手機、Pad,均可以遠程進行部署;第三,提供相似APP store的功能,想加什麼功能就加什麼功能,固然也包括APP的在線升級。這裏你們能夠思考下,如今你們正在用的東西里面,哪個設備是同時具有了這三個功能?對,沒錯,就是手機。這也就是我最後要講的事情,咱們將來的暢想。

4、將來的暢想

咱們對將來的暢想是什麼?就是但願可以把一個個無人店變成像手機同樣,能夠很直接的和用戶發生交互,而且不少功能都能自動遠程升級。把門店作成像手機同樣是爲了什麼呢?就是但願可以打造一個線下的淘寶。

你們在淘寶上也好,各類各樣的手機APP上也好,它會根據你的使用習慣、根據你的瀏覽次數、翻頁深度等等,來記錄用戶使用某些功能的狀況。作過APP的同窗,應該知道一個專業術語——埋點。經過這些埋點,我才能知道這款應用到底用得怎麼樣,某一個商品看了多少次、作的ABTest的結論是究竟是哪一個用戶更喜歡。今天當我把一個個這樣的線下門店都變成手機這樣的能力的時候,門店裏一整套數據化系統其實就是埋點,店裏的陳設你們是否喜歡、店裏的哪一個商品是最受歡迎的、附近周圍人羣是怎麼消費的等等。

全部的數據收集上來之後,淘寶15年來積累的全部線上運營能力和各類運營產品均可以沉澱到線下,賦能線下開門店的商家,不管是經營會員、搞粉絲經濟,仍是作流量增加、社羣營銷、限時秒殺、ABTest等等,這些能力均可以複製到線下。這就是阿里作無人店但願可以達到的長遠的目標,把線下開門店的商家當成今天在淘寶開網店商家同樣,爲他提供生存、增加、爆發的各類能力,來更全面的實現「讓天下沒有難作的生意」。


本文做者:時維

閱讀原文

本文來自雲棲社區合做夥伴「阿里技術」,如需轉載請聯繫原做者。

相關文章
相關標籤/搜索