Российские разработчики научили робота следить за клиентами и вычислять места в магазине, где вероятность покупки товара будет выше. Результаты исследования опубликованы в материалах робототехнической конференции ICARCV.
Сегодня в повседневной жизни человека все чаще встречаются автономные роботизированные системы. Но они все еще не идеальны. Одной из наиболее трудных задач для них является проведение инвентаризации в быстро меняющихся условиях, например в магазинах. Ученые из Сколковского института науки и технологий разработали новый метод, который позволяет создавать модели, отражающие зависимость спроса от местоположения товаров, и определять области, где товары будут куплены с наименьшей вероятностью. Также разработка позволяет находить потерянные или перемещенные товары. Робот, оснащенный такой системой, будет в состоянии следить за покупателями и вычислять наиболее привлекательные для них места расположения товаров, прогнозируя спрос. Для этого он оборудован массивом RFID-антенн, с помощью которых считывает данные с радиочастотных меток, которыми оснащены товары, и передает результат инвентаризации в систему управления складом (WMS).
«Существующие решения не применимы к реальным ситуациям в розничной торговле, что может привести к неожиданной потере продаж. Предлагаемое нами решение дает исчерпывающую информацию о распределении спроса в торговом зале с помощью мобильного робота для автономной инвентаризации магазинов, в которых товары промаркированы RFID-метками. Наше исследование отличается тем, что мы оперируем большим объемом исходных данных, собранных в реальной среде в период продолжительностью более десяти месяцев», — рассказал один из разработчиков, Александр Петровский из Космического центра Сколтеха, .
«В Сколтехе мы разработали автономный робот Michelle с поддержкой технологии RFID для сети магазинов Decathlon. Робот позволяет значительно снизить число ошибок считывания RFID-меток, обусловленных человеческим фактором, а также ускорить и удешевить процесс инвентаризации. Мы решили воспользоваться большими данными, собранными за длительный период эксплуатации робота в магазине, в частности, для оценки изменений в плотности RFID-меток по всему торговому залу. Сначала мы предложили вероятностную модель оценки местоположения меток с точностью до 0,3 метра, а затем построили карту динамики плотности меток, на которой четко обозначены зоны в торговом зале, где покупатели приобретают наибольшее и наименьшее количества товаров. Полученные результаты очень важны для ритейлеров с точки зрения поиска более удачных схем размещения товаров с целью максимизации прибыли от продаж и прогнозирования динамики сезонного спроса», — рассказал другой разработчик, профессор Сколтеха Дмитрий Тетерюков. Ученые отмечают, что их разработка может применяться в любом торговом зале товары в котором промаркированы RFID-метками.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
