工業技術研究院 資訊與通訊研究所 黃信騫
7-ELEVEN攜手工研院打造全台首家24小時營運、Grab-and-Go的智慧商店「X-STORE 7」，提供消費者流暢的購物體驗，不須逐一清點商品，拿了就走！（圖片來源：7-ELEVEN提供）
前言
根據聯合國《世界人口趨勢報告》的數據，預計2050年全球將有六分之一的人口年齡超過65歲，這個人口老齡化趨勢帶來的其中一個最明顯影響是勞動力減少，尤其在零售服務業和倉儲業中，人力不足的問題尤為嚴重。為了解決勞動力短缺問題，各種自動化技術應而產生。然而，許多自動化技術往往需要使用者改變其行為方式以適應技術，例如自動販賣機需要使用者透過按鈕來選擇商品，自助結帳需要使用者自行掃描條碼等，這並不是最佳解決方案。從使用者的角度來看，最佳的方式是技術能夠適應使用者現有的行為方式，通過數位化行為來實現服務的自動化，例如採用拿了商品就能離開的購物模式。全球無人便利商店市場預計到2028年將達到164.03億美元，無人商店儼然成為實體零售業的新趨勢，而未來的技術發展將首重降低建置成本及增加展店速度，朝「可複製、可獲利」的營運模式前進。
精彩內容
1. 智慧商店需求介紹及市場商機
2. 競爭對手分析與比較
3. 深入淺出解析X-STORE 7
4. 未來技術精進方向 |
智慧商店需求介紹及市場商機
智慧商店需求
Omnico US公布的數據零售研究報告探討了美國各地共2,008名消費者的購物挫折以及他們對科技的態度[1]。近四分之三的受訪者（74％）表示科技將使購物變得更容易；82％的人準備使用自助服務設備以更快、更簡單地方式進行店內支付，更有高達86％的人希望透過科技使購物變得更輕鬆，如使用手機或平板應用程式進行掃描和支付，這樣他們就可以免排隊並節省時間。而先進的數位技術幾乎可以解決所有這些問題，讓消費者的購物變得愉快和輕鬆。Amazon Go於2016年底公開其應用於實體無人商店之拿了就走技術（Just Walk Out Technology）。如圖1AmazonGO免排隊購物流程，顧客走入商店挑選商品後即可離店，系統將辨識顧客挑選的商品自動產生購物車清單並扣款，不需店員或自助結帳即可直接離店，徹底顛覆傳統超市，也開啟了全球對於達成實體行為數位化這個長遠夢想落地之可行性。
圖1 AmazonGO免排隊購物流程（圖片來源：https://aws.amazon.com/tw/just-walk-out）
市場商機
2021年全球無人便利商店市場規模為6,748萬美元，預計到2028年將達16.403億美元，預測期內複合年成長率（CAGR）為51.9％。疫情過後，顧客對無人便利商店的期望也隨之提高，如英國連鎖超市莫里森（Morrisons）計劃開設無人商店，日本全家便利商店（FamilyMart Co.）也預計在2024年開設1,000家無人店。其中，北美是無人便利商店最大的市場，因為該地區市場多為實力雄厚的參與者，並且正在積極投資該領域。例如，Amazon Go開設了第一家成熟的無收銀員超市．該超市設有新鮮蔬菜部、麵包店和酒類專區，目前擁有約5,000種商品和10,000平方英尺的空間。這類型的投資使無人商店的數量不斷增加，並預期將提高人們對北美無人商店的認識及其帶來的便利性。此外，由於印度和中國等全球成長最快的經濟體，亞太地區成為無人便利商店的第二大市場。在這之中，日本是此地區技術最發達的國家，得益於日本人民對創新和技術的積極態度以及繁忙、快節奏的職業文化，加上日本是擁有世界上自動販賣機密度最高的國家，因而積極開發全新解決方案並持續精進既有產品服務，以期提供輕鬆、靈活、以及便利的購物體驗。整體而言，這些地區的企業正在走向自動化以改善業務，從而促進該地區便利商店市場的成長[2]。
競爭對手分析與比較
拿了就走智慧商店已有愈來愈多的業者投入，包括如Amazon、AiFi、trigo、Standard AI、Grabango等，這些企業皆致力於改進傳統零售方式，以提供更便利的購物體驗。目前的技術實現方案可大致分成兩大類：
- 多感測器融合技術：利用多種感測器，如攝影機用於捕捉顧客和商品影像以分析顧客行為及辨識商品，而重量感測器用於檢測商品的重量變化以判斷商品取放數量。多感測器的使用提高了辨識準確度，減少了誤判和漏判的風險。此方案對運算資源的要求較低，這意謂著商店可以節省運算成本，但相對地需要替換既有貨架並增加相應的建置成本。
- 純影像偵測與辨識技術：此方案優點是可利用既有的貨架進行部署，不需要大規模的改造，使原商店可以較快速地轉型為智慧無人商店。然而，意即需要投入極高的計算資源以執行大量的影像處理及辨識，也使得產生購物清單的速度相對慢上許多，消費者得在離開商店後（通常至少要20分鐘）才能取得最終的帳單，無法在當下確認是否有誤，這對大部分零售業者來說是無法接受的方案。另外，在面臨影像遮蔽的情況下，可能會出現辨識錯誤的情況，造成辨識準確度較低。
綜上所述，純影像解決方案具有快速部署和使用既有貨架的優點，但在運算資源要求、計算帳單速度和辨識準確度方面存在一些限制。多感測器融合解決方案則可提供消費者即時的帳單，並具有更高的辨識準確度和較低的計算資源要求，但需要替換既有貨架並增加相應的建置成本。表1整理了本團隊與世界領導機構及業者的方案差異，包含使用的感測器元件及技術實現方案。其中本團隊與Amazon及AiFi皆是採用多感測器融合技術，但有以下2點差異：
- 離店前即提供購物清單（AiFi同樣為即時，Amazon離店後10～20分提供）：本團隊以重量感測器或雷射探測與測距（Light detection and ranging，Lidar）進行邊緣計算以偵測事件發生，降低傳輸複雜度與後台伺服器負擔，因而避免隨時進行影像辨識的效能需求，可即時取得運算結果。並且藉由感應融合技術（Sensor fusion）有效提取各種感測器資訊，解決影像遮蔽的問題，達成可營運之高準確度要求。
- 模組化布建以應用於不同情境（AiFi，Amazon產品皆為整店模式）：由於辨識演算法（如人員追蹤，商品辨識，行為辨識等）及感測器（如攝影機、重量感測器等）皆模組化且可獨立運作，除了適用於整店模式外，還可在各種不同的使用情境中發揮作用。例如，將人員追蹤與攝影機結合，可以進行店內熱點分析。同樣地，結合商品辨識技術與重量感測器，可以實現無人物料室的有效管理。這些應用不僅提升了零售業者的管理效率，更能夠大幅提升投資意願。藉由模組化的功能組合與應用方案，使得物聯網技術能夠在不同的情境下靈活運用，讓企業可以更有效地運營並提供更優質的服務，為業者帶來競爭優勢與更多的商機，從而拓展市場與擴大投資。
表1與世界領導機構及業者之技術方案比較
深入淺出解析X-STORE 7
Grab-and-Go技術
本團隊研發「Grab-and-Go」技術並已應用於統一超商XSTORE-7，營運半年期間（2023年5月～2023年10月）來客絡繹不絕，顯示消費者已能接受這樣的購物體驗，業者也開始獲利，加上正向的宣傳效果已吸引包含硬體、系統等廠商前來參觀並洽談合作。「Grab-and-Go」技術藉由結合人工智慧（Artificial Intelligence，AI）及物聯網（Internet of Things，IoT），為一高度軟硬整合技術—人工智慧物聯網（Artificial Intelligence of Things，AIoT），提供了精準度高且可辨識使用者細微動作的基礎。除了自動化帶來使用者良好體驗與服務人力成本節省外，將有更高附加價值的行為數位化衍生應用，如使用者商品取放記錄、商品熱區、商品取放順序與關聯等。而系統要達成上述目標的關鍵是知道誰取／放什麼商品，這將對應到以下2個重要技術：
- 人員追蹤：人員追蹤模組必須藉由架設多台攝影機，其視野覆蓋整個商店不能有死角，並克服場域多人移動、人員交錯及人員外觀類似等複雜情境，以避免追蹤過程有身分交換的情況發生。圖2為人員追蹤的技術架構，說明如下：
- 人員偵測：收集超過5,000人次及百萬個人員標註的訓練資料，使人員偵測模型兼具多樣性及完整性，可有效偵測出影像中的人員位置。
- 人員匹配：以移動向量、人員位置／外觀等資訊，計算與前一幀最符合的追蹤結果。
- 場景理解分析：利用不同攝影機下人員相對位置（如A位於B的上方），有效解決人員交錯、遮蔽等因素造成的人員身分交換。
- 人員重識別（Re-Identification）：根據人員偵測結果，比對不同攝影機下的人員外觀，有助於進一步確認人員身分。
- 商品辨識：商品辨識模組必須克服遮蔽、堆疊等問題以滿足複雜的取放情境，其技術細節包含：
- 商品偵測：收集超過1,000種品項及百萬個商品標註訓練資料，使商品偵測模型兼具多樣性及完整性，可有效偵測出影像中的商品位置。
- 商品辨識：模擬顧客實際取物情境，收集不同視角及部分遮蔽的商品影像，以及藉由資料擴增豐富訓練資料提高辨識正確率。
- 多重感測取放辨識：結合一般平價多重感測器（如攝影機、荷重元、紅外線等），以感測融合技術支援各種取放情境，如圖3所示。
圖3 各種複雜取放情境
購物流程
如圖4 X-STORE 7購物流程，顧客首先掃瞄QR Code以瀏覽器開啟登入頁，輸入OpenPoint會員帳密及輸入手機驗證碼後，即可持手機條碼掃瞄閘門進店（步驟1～2）。顧客拿取商品（步驟3）走到結帳區，系統會自動跳出購物清單供顧客確認（步驟4），接著進行結帳（步驟5），目前提供自助POS支付及Web線上支付（步驟6）2種結帳方式，方便顧客更便利地完成付款。然而，即便是Amazon GO或其他系統皆無法達到完美的辨識正確率（100％），因此當辨識錯誤時需要有修改購物清單的流程。Amazon GO在顧客離店後（約5～10分鐘）扣款及提供購物清單，若有錯誤時再由顧客移除退款。由於中西文化的差異，這樣的做法對台灣業者及顧客都較不能接受。因此，團隊採取離店前即時產生購物清單，顧客比對後若有錯誤可由補登商品流程（步驟7）自行更正，降低事後惡意移除或是系統辨識錯誤而多扣款的情況。也就是說，比起Amazon Go以動線流暢為優先的做法，X-STORE 7優化結帳流程設計以提高顧客消費體驗。
圖4 X-STORE 7購物流程
維運系統功能
XSTORE-7能成功落地的一大重要原因是提供一友善的介面給店員，方便進行硬體異常處理、檯帳狀態監控及更改檯面等需要人工介入的項目。如圖5，當貨架上出現硬體異常的符號代表硬體異常，店員可先確認貨架上的商品是否有擋住紅外線以至頻繁觸發事件，若有異物則可第一時間移除。當貨架及商品無異常，則通報工業技術研究院技術團隊重啟，團隊成員可依店員通報異常之貨架編號遠端手動重啟，如此可避免錯誤累積，提高辨識正確率。由於即時辨識購物清單，系統能隨時掌握檯帳狀態（如圖6），並在檯帳錯位以及需要補貨時通知店員處理，除維持檯面美觀也減少顧客發生買不到商品的情況。
圖5 貨架即時監控
圖6 即時台帳狀態
如圖7、貨架頁面若有錯位（與原擺放商品不同）時會跳出「錯位擺放」文字及紅色框，或是貨架商品數量低時都會提醒店員進行手動整理貨架商品及補貨；店員整理完貨架，確認商品數量後，點選「校正」，可使系統自動更新回復正常擺放。另外，由於業者更換商品頻率高（2週更新1次，平均1次更新45品），系統也提供一快速上、下架修改檯面的功能；店員可選擇「陳列架不變，擺放商品改變」（如圖8左），或是「陳列架及擺放商品皆改變」（如圖8右）進行快速且直覺的檯面調整。
圖7 即時檯帳錯位顯示
圖8 檯面更改功能
未來技術精進方向
由於無人便利商店所採用的一些技術尚未成熟，高昂的初始成本和維護成本限制了無人便利商店市場。因此，無人商店必須花費更多的資金來開發其流程。另外，由於店內沒有工作人員，店家必須額外支付設備維護費用。未來的技術發展將首重降低建置成本及增加展店速度，朝「可複製、可獲利」的營運模式前進。XSTORE-7尚有一些技術議題需排除與優化，待技術限制解除後將可加速展店機會。以下將分別就貨架硬體及展店布建等議題，說明團隊如何克服目前遭遇的困難。在此技術發展下，相信未來定能達到硬體成本可負擔並加快展店布建速度，朝消費者、業者雙贏的局面邁進。
貨架硬體優化
如圖9，團隊於2023 TechDay展出薄型智慧貨架，採用通用薄型貨架進行設計改良，透過模組化設計，此款薄型智慧貨架可運用於連鎖超商、藥妝店等傳統零售百貨。取消隔板設計讓貨架更為簡約明亮，以及背板整合簡化線路布線，不僅走線較為美觀，同時也將線路調整至貨架下方便於維修。後續將依據業者可接受的有限變動幅度，大幅減少辨識所需的感測元件及運算單元，包含：
- 微型電腦（Next Unit of Computing，NUC）數量減半，降低成本的同時也能充分運用硬體效能。
- 攝影機視角調升增加視野（Field of View，FOV），降低攝影機所需數量，且內縮架設使外觀更加簡潔。
- 以最新光達感測器取代舊式紅外線感測器，此做法能同時監控多個貨架，大幅降低整體硬體建置成本。
圖9 2023 TechDay展出薄型智慧貨架
攝影機自動化布建技術
如圖10，部署攝影機時，首先需要基於以往的經驗和知識來選擇初始的攝影機位置，期望能夠最大程度地捕捉所需的視野。然而情況往往不盡如人意，攝影機的視角可能不符合預期而出現死角或遮擋物。這樣的情況通常需要再次調整攝影機的位置或角度，以確保其能夠有效地捕捉所需的資訊。此外，為了有效地訓練辨識系統，需要大量的訓練資料，這意味著若攝影機的設置改變，收集訓練資料及調整參數就得重新進行，相當費時費工。因此，團隊擬開發智慧商店攝影機自動化布建技術，藉由建立商店3D模型及模擬人員購物行為，自動決定攝影機架設位置，降低設定時間加快展店速度。
圖10 攝影機布建技術挑戰
如圖11，團隊也將規劃建立一標準作業流程（Standard Operation Procedure，SOP），首先根據場域規劃圖（2D layout）建立虛擬商店三維模型，並藉由真人動作影片生成人物動畫。接著可任意調整攝影機位置及架設角度，並取得視野畫面。由於動作腳本皆已事先定義，無須人力即完成資料標註。最後使用強化學習[3]根據資料標註結果（Ground Truth）計算損失（Loss）及獎賞（Reward），同步更新相機配置網路（Camera Designer，輸出攝影機配置，如數量、位置、角度等），以及感知模型網路（Perception Model，輸出任務預測結果，如影像分割、物件偵測等），達到攝影機最佳配置。如此可縮短展店時間且提升業者導入意願，並模擬各種可能的購物情境快速完成資料擴增，產生更多訓練資料提高模型辨識正確率，以提供顧客良好購物體驗增加回訪率。
圖11 智慧商店攝影機自動化布建技術
結論
無人便利商店是一個嶄新的零售模式，除解決人口年齡老化和勞動力短缺等現實挑戰，也同時為消費者提供免排隊且自動化的購物體驗。市場前景十分樂觀，預計到2028年，無人商店市場規模將快速擴大，成為實體零售業的主要趨勢。本團隊的技術解決方案以人工智慧及物聯網為基礎，力求高精準度的辨識以提供消費者滿意的購物體驗，並藉由維運系統確保無人便利商店的正常運作，讓店員能夠迅速處理問題減少錯誤的發生。儘管還存在些許技術挑戰，但無人商店已經開始受到零售業者的青睞和消費者的歡迎，未來將朝著降低硬體成本和增加展店速度的方向發展，以實現「可獲利」和「可複製」的營運模式，也為消費者提供更便捷的購物方式。
