新闻 零售

四个关键物理零售技术总结re:火星2022

5分钟
Dilip Kumar说在舞台上的形象在re:火星2022
人工智能在物理空间改善客户体验。
今天,我跟观众在亚马逊re:火星2022事件对于我的团队正在使用计算机视觉和机器学习更容易、更快捷为客户店内购物体验。我兴奋的方法,我们使用人工智能(AI)在我们的技术服务,包括刚刚走出技术,亚马逊,亚马逊冲车,我想分享我的四大外卖。
页面的概述
我们继续发展,改善,建立新的机器学习算法
  • 表的内容
    我们继续发展,改善,建立新的机器学习算法
  • 我们继续发展,改善,建立新的机器学习算法
  • 我们使用合成数据来支持我们的算法
  • 我们设计我们的技术与安全的思想
  • 我们继续创新,规模
人工智能在物理空间改善客户体验。
今天,我跟观众在亚马逊re:火星2022事件对于我的团队正在使用计算机视觉和机器学习更容易、更快捷为客户店内购物体验。我兴奋的方法,我们使用人工智能(AI)在我们的技术服务,包括刚刚走出技术,亚马逊,亚马逊冲车,我想分享我的四大外卖。
  • 1。
    我们继续发展,改善,建立新的机器学习算法
    由于我们使用计算机视觉算法在所有物理零售技术,推动艺术前进的状态在这个领域一直是重要的给我们。刚刚走出来的技术,它允许顾客节省时间,跳过许多亚马逊商店收银台,选择全食超市商店,和几个第三方零售商商店,我们正在进行的所有层的发明,包括传感器、光学、和机器视觉算法。结果,我们减少了相机的数量需要在以前曾走出商店,使它们更划算,深小,能够运行在本地网络。我们的传感器和算法进化检测范围广泛的产品和在全尺寸的杂货店购物行为的差异,同时确保一个毫不费力的客户体验。我们也增加了环境的多样性算法必须考虑到当我们刚刚走出来的技术部署第三方零售商。

    同样的,当我们的团队建立了亚马逊冲车,智能购物车,帮助客户跳过结帐线在我们的许多美国亚马逊新商店,他们开发了一套强大的计算机视觉和传感器融合算法来检测项目在运动,包括准确捕捉的重量和数量。机器视觉算法也有严格的延时预算,我们跟踪客户的收据。

    在亚马逊的风格,我们的体育服装商店,提供个性化的、方便的购物体验为客户找到风格他们爱在伟大的价格,我们建立了新技术和算法为客户简化这种经历。我们的算法使用一个细节的信息客户provides-whether他们进入我们的风格调查或物品扫描购物时在地板上的商店建立一个多样化的推荐项目,平衡相似性他们当前的选择不同的选项。该系统还会产生互补选择,比如衬衫搭配一条牛仔裤来创建一个完整的装备。我们会竭尽全力保持购物的乐趣,同时提升经验通过机器学习算法。
    全食超市的入口的形象店只有走出入口处安装技术。
    刚刚走出技术
  • 2。
    我们使用合成数据来支持我们的算法
    当我的团队开始重新定义客户的店内购物体验,我们面临的一个挑战是获得多样化的训练数据为我们的人工智能模型,以确保精度高。为了应对这一挑战,我们的研究团队建立数百万套合成data-machine-generated逼真数据——帮助建立和完善我们的算法和提供一个无缝的用户体验。结合实际和合成数据允许我们构建真正健壮和智能算法,准备承担所有类型的场景在商店里。

    刚刚走出来的技术,我们建立了合成数据集模拟许多现实的购物场景的变化。例如,我们使用合成数据创建阳光照明条件的变化来解释不同的商店,我们用它来创建一个群合成人物,以确保我们可以处理许多顾客在店里。我们还用合成数据生成虚拟模型更大的杂货店进行测试之前我们缩放大小,所以我们知道当我们走出技术向公众才刚刚发布,我们为顾客提供一个高度精确的经验。

    亚马逊——快速、方便,非接触式方式为人们使用手掌日常活动更喜欢在商店或进入一个位置支付effortless-we所需数据进行训练和测试我们的人工智能算法在人口、年龄、温度,甚至变化老茧和皱纹等独特的手掌,使服务能够正确地确定设备的手掌上空盘旋。当我们开始建立亚马逊,我们很快意识到有限的可用性的公共数据集组成的手掌静脉图像帮助训练算法。因此,我们的研究科学家们进一步先进先进的技术来建造大量的多样化,现实合成棕榈和静脉图像训练我们的人工智能模型和准备各种各样的用户服务。
    创新推动亚马逊的|亚马逊的消息雷竞技电竞竞彩网
  • 3所示。
    我们设计我们的技术与安全的思想
    我们所有的技术服务与安全而设计的思想和安全的后端基础设施之上,所以所有的数据都是亚马逊的严格的安全方法。我们的服务也有多层次的安全控制内置硬件,软件,对端到端安全云基础设施。

    例如,刚刚走出技术相机定制的设备,将hardware-backed安全功能和端到端加密的数据同时在本地和同时发送我们的服务之间。亚马逊冲车在项扫描捕获的图像数据混淆,然后加密来保护保密。与此同时,亚马逊,我们干预和入侵检测功能内置设备硬件,允许我们渲染设备无法使用,如果我们发现任何试图妥协。亚马逊一个设备过程中所有生物特征数据硬件安全的区域,这是建造这只连接并将数据发送给我们的云服务,产生我们只接受数据的设备。
    前面的亚马逊冲车的形象产生亚马逊的零售商店。
    亚马逊冲车
  • 4所示。
    我们继续创新,规模
    自2018年推出只是走出技术,我们迅速扩展,引入新服务定义为客户店内购物体验。今天,刚刚走出技术可在30多个亚马逊新商店在美国和英国,超过25亚马逊商店在美国,两个全食超市店址。亚马逊冲车有许多亚马逊新的商店,和亚马逊一个可用选择亚马逊,亚马逊新鲜,和全食超市商店在美国

    我们装备十多个美国和英国第三方地点只有走出技术,亚马逊,或两者的结合。体育场馆,比如气候承诺竞技场和TD花园,和旅游零售商,像哈德逊和WHSmith,使得他们的商店与我们的技术,让购物者的购物体验变得更愉快、更有效。除了我们自己的亚马逊新商店在英国只有走出技术,英国杂货商桑斯博里打开了SmartShop选择&走,只是走在伦敦由便利店。

    这种扩展带来了一系列的挑战。例如,在过去的几年中,我们已经增加了用例的复杂性就走出技术部署在1800平方英尺的亚马逊商店到40000平方英尺,全尺寸的杂货店存储—占购物行为的差异。例如,亚马逊新商店,人们倾向于检查等项的产生与好沙拉或三明治从亚马逊。同样,扩大刚刚走出技术等第三方零售商体育场馆和旅游零售商意味着解决独特的挑战,如开放24/7,或举办奥运会和事件购物者冲在某些时候。所有这些场景增加算法的复杂性,和我的团队不断创新来满足我们的客户和零售商的需求。

实现我们的愿景


当我们在店内购物经历的挑战畅想对客户几年前,我们的愿景是引入新水平的轻松和便利人类经验,随着时间的推移一直保持平稳。随着我的团队构建和新技术服务规模,最难的部分是确保技术渐渐退回(背景),所以当客户来店,这是一个无缝的和神奇的经验。还是太兴奋了我去看顾客体验只是走出去购物,亚马逊,亚马逊首次冲车。

当我回顾我的团队取得了进步,我想起一个Amazon说“总是第一天”,当然,它也仍然是我们第一天在物理零售和技术。感觉就像我们刚刚开始在解决一些复杂的挑战在物理零售世界,我很兴奋地看到什么团队推动人工智能的边界前进。

如果你有兴趣学习更多,收听观看我的全re:火星主旨
  • 页面的概述
  • 1
    我们继续发展,改善,建立新的机器学习算法
  • 2
    我们使用合成数据来支持我们的算法
  • 3
    我们设计我们的技术与安全的思想
  • 4
    我们继续创新,规模
回到亚马逊
Baidu
map