在西雅图一栋建筑的深处，一扇普通的门后，藏着一家看似寻常的便利店。只不过这家店与众不同。
这是一扇通往未来的窗口，工程师和研究人员正全力以赴，解决零售业最复杂的挑战之一：如何打造无缝且高度精准的免结账购物体验。
欢迎来到 Just Walk Out 测试实验室，便捷性与尖端技术在此交汇。
虽然这家实验室看起来与使用 Just Walk Out 技术的商店一模一样，但它实际上是一个模拟商店环境，用于测试亚马逊对该系统所做的升级。
尽管“Just Walk Out”（无感支付）的概念很简单——顾客通过刷信用卡或移动钱包进入商店，拿取所需商品后直接离开，无需排队结账，系统会自动从他们的支付方式中扣款——但其背后的技术却远非如此简单。
为了解决“谁拿了什么”的问题，Just Walk Out 利用摄像头、重量传感器以及多种先进人工智能技术的组合，精准识别顾客选取的商品种类和数量，并最终确定其离店时带走的商品。
为了解决“谁拿了什么”中的“谁”这一问题，Just Walk Out 在入口闸机处将购物者与他们的支付方式关联起来。Just Walk Out 不使用基于生物识别技术（如人脸识别）来识别顾客——该系统仅追踪其手部与商品及货架（例如货架或冰箱）的互动方式，并准确识别他们离店时带走的商品和数量。事实上，如果同一位顾客再次使用另一张信用卡到店购物，系统将无法识别出这是同一个人。
“弄清楚顾客拿走了什么以及具体数量，是一个极具挑战性的 AI 难题，”亚马逊云科技（AWS）应用科学高级经理 Chris Broaddus 表示，“例如，系统需要准确识别顾客的手是如何与货架互动的——他们是在拿起商品、放回商品，还是仅仅在货架里翻找？”
为了解决这些复杂性，Just Walk Out 的新 AI 系统同时查看多种输入源——摄像头、重量传感器以及其他数据——并优先处理最关键的信息，以准确确定所选商品的种类和数量。该系统还采用持续自学习和 Transformer 技术，这是一种神经网络架构，能够将输入（在 Just Walk Out 的案例中为传感器数据）转化为 token，从而生成输出（无结账购物的收据）。
该实验室使研究人员能够快速模拟在真实商店中可能出现的各种复杂场景，并根据需要调整系统。例如：多人在同一时刻从同一个货架上取走商品？没问题。顾客改变主意并将商品放回？也没问题。
顾客的行为也会因地点和商店类型的不同而有所差异。例如，在体育场馆内的商店中，比赛期间身着相同球队颜色或球衣的球迷可能会密集涌入。在机场，你会看到人们提着大包进入商店，这可能会遮挡摄像头对货架的视线。
Just Walk Out 的工程师和研究人员首先在实验室中测试这些场景，通常使用激光雷达（LiDAR）技术来绘制商店布局图，该技术利用激光光创建空间的详细 3D 地图。这有助于研究人员优化所需摄像头的数量，从而降低硬件成本，并确定其最佳位置，以确保对购物区域进行全面覆盖。
除了摄像头，重量传感器也是 Just Walk Out 系统的另一个关键组成部分。它们提供的数据输入对于体积较小（如糖果棒和小包装口香糖，通常仅重几盎司）且可能难以被“看见”的商品特别有帮助。研究人员利用重量数据来验证这些货架上重量传感器安装的准确性。
Just Walk Out 研究团队还在该实验室中对新型先进的多模态 AI 模型进行了测试。此前，AI 系统按顺序分析顾客行为：先处理他们在店内的移动和位置，再识别他们拿取的商品，最后统计每种商品的数量。全新的 Just Walk Out AI 模型是免结账购物体验演进过程中的重大突破。它采用了支撑众多生成式 AI 应用的基于 Transformer 的机器学习模型，并将其应用于实体门店。该模型能够同时分析所有传感器数据，并支持包含摄像头遮挡、光照条件以及其他顾客行为等变量的复杂购物场景，同时还使团队得以简化系统架构。
Broaddus 表示：“新的多模态基础模型进一步增强了 Just Walk Out 系统的能力，使其能更有效地泛化至新的门店格式、商品品类以及顾客行为模式，这对扩大 Just Walk Out 技术的规模应用至关重要。”
对零售商而言，新的 AI 模型使 Just Walk Out 部署更快、更简便且效率更高；对顾客而言，新模型意味着更快的收据生成，以及在更多全球第三方免结账门店中无忧购物的体验。随着 Just Walk Out 技术的规模化推广，我们将继续投资于免结账购物的未来，通过在前沿 AI 等领域推动研究，并交付满足各垂直行业零售商需求的创新成果。
了解更多关于 Just Walk Out 技术以及 Amazon 如何利用 AI 进行创新的信息。