總部位于東京的初創企業 Telexistence 宣布將在日本數百家全家（FamilyMart）便利店部署NVIDIA AI驅動的智能機器人來為貨架補貨。

全日本共有 56000 家便利店，密度居全球第三。其中約 16000 家由全家經營。Telexistence 希望為這些商店節省時間，將重復性的工作（如為貨架補充飲料）交給機器人，使店員能夠處理與顧客互動等更復雜的任務。

這只是 Telexistence 機器人的功能之一，這些機器人在NVIDIA Jetson 邊緣 AI 和機器人平臺上運行。該公司還在開發能夠使用機器人分揀包裹的 AI 倉儲物流系統。

Telexistence 首席執行官 Jin Tomioka 表示：“我們希望將機器人部署到各個支持人們日常生活的行業，首先就是便利店這個我們在日常生活中離不開，但卻面臨著勞動力短缺問題的行業，尤其是在便利店星羅密布的日本。”

這家成立于 2017 年的公司下一步準備擴張到美國的便利店。美國的零售業同樣受到勞動力短缺的困擾，該國目前有 15 萬家便利店，超過一半的消費者表示他們每月至少去一次便利店。

Telexistence將在全家便利店

部署補貨機器人

Telexistence 將于 8 月開始在 300 家全家便利店部署名為 TX SCARA 的補貨機器人，并計劃在未來幾年將這種自主機器人部署到更多的全家便利店以及其他主要的連鎖便利店。

Tomioka 表示：“為了給貨架補貨，便利店店員在里屋耗費了大量本該在外面與顧客打交道的時間。機器人服務可以讓店員有更多的時間與顧客接觸。”

TX SCARA 一邊在軌道上運行，一邊通過多個攝像頭掃描每個貨架并使用 AI 識別數量過少的飲料，然后規劃補貨路線。這套 AI 系統為飲料自動補貨的成功率達到 98% 以上。

即便在極少數情況下，該機器人對飲料的擺放位置判斷失誤或者飲料翻倒，店員也不需要放下手中的工作來讓機器人重新運轉。待命的 Telexistence 遠程操作人員會通過使用 NVIDIA GPU 進行視頻流傳輸的虛擬現實（VR）系統進行手動控制，為便利店迅速解決問題。

Telexistence 估計，一家繁忙的便利店每天需要補充 1000 多份飲料。TX SCARA 的云系統會根據機器人在運行過程中的補貨名稱、日期、時間和數量來維護一個產品銷售數據庫，使 AI 能夠根據過去的銷售數據考慮哪些商品需要優先補貨。

使用 NVIDIA Jetson 進行邊緣 AI 處理

TX SCARA 內置多個 AI 模型。物體檢測模型可以識別商店里的飲料類型，確定哪種飲料屬于哪個貨架，并且與另一個模型一起幫助檢測機器人手臂的運動，使機器人可以拿起飲料并準確地將其放在貨架上的產品之間。第三個模型負責異常檢測，即識別飲料是否掉落或離開貨架。還有一個模型負責檢測每個貨架區域中哪些飲料的數量不足。

Telexistence 團隊將自定義的預訓練神經網絡作為基礎模型，通過添加合成和注釋的真實世界數據來微調應用的神經網絡。該團隊使用一個模擬環境創建了 8 萬多張合成圖像用于增強他們的數據集，使機器人能夠學會檢測任何顏色、圖案、照明環境中的飲料。

該團隊依靠NVIDIA DGX Station來訓練 AI 模型。機器人本身使用兩個 NVIDIA Jetson 嵌入式模塊：用于邊緣 AI 處理的NVIDIA Jetson AGX Xavier以及用于傳輸視頻串流數據的NVIDIA Jetson TX2模塊。

在軟件方面，該團隊使用用于邊緣 AI 的NVIDIA JetPack SDK和用于高性能推理的NVIDIA TensorRT SDK。

Telexistence 首席機器人自動化官 Pavel Savkin 表示：“如果沒有 TensorRT，我們的模型就無法快速運行，也就無法高效地檢測店里的商品。”

Telexistence 使用半精度浮點格式（FP16）來進一步優化其 AI 模型，而非單精度浮點格式（FP32）。