{"id":619,"date":"2022-09-19T18:28:26","date_gmt":"2022-09-19T23:28:26","guid":{"rendered":"http:\/\/ciencianews.in\/?p=619"},"modified":"2022-09-19T18:28:27","modified_gmt":"2022-09-19T23:28:27","slug":"la-inteligencia-artificial-mejora-la-atencion-a-clientes-en-los-minimercados","status":"publish","type":"post","link":"https:\/\/ciencianews.in\/index.php\/2022\/09\/19\/la-inteligencia-artificial-mejora-la-atencion-a-clientes-en-los-minimercados\/","title":{"rendered":"La Inteligencia Artificial mejora la atenci\u00f3n a clientes en los minimercados."},"content":{"rendered":"\n

SANTA CLARA, California \u2013 septiembre 15, 2022\u2014 <\/strong>La startup Telexistence<\/a>, con sede en Tokio, anunci\u00f3 que implementar\u00e1 robots impulsados por la Inteligencia Artificial (IA) de NVIDIA para reabastecer los estantes de cientos de minimercados FamilyMart en Jap\u00f3n.<\/p>\n\n\n\n

Hay 56,000 minimercados en Jap\u00f3n (el pa\u00eds con la tercera densidad m\u00e1s alta de todo el mundo). Alrededor de 16,000 pertenecen a FamilyMart. Telexistence tiene como objetivo ahorrar tiempo para estas tiendas delegando las tareas repetitivas (como recargar los estantes de las bebidas) a un robot, lo que permite al personal de venta minorista realizar tareas m\u00e1s complejas como interactuar con los clientes.<\/p>\n\n\n\n

Es solo un ejemplo de lo que pueden hacer los robots de Telexistence, que se ejecutan en la plataforma rob\u00f3tica y de IA en el edge NVIDIA Jetson<\/a>. La compa\u00f1\u00eda tambi\u00e9n est\u00e1 desarrollando sistemas basados en IA para delegar la log\u00edstica de dep\u00f3sitos a robots que ordenen y recojan paquetes.<\/p>\n\n\n\n

\u00abQueremos implementar la rob\u00f3tica en industrias que permiten la vida cotidiana de los humanos\u00bb, dijo Jin Tomioka, CEO de Telexistence. \u00abEl primer espacio en el que abordamos esto es en los minimercados, una red enorme que apoya la vida cotidiana, especialmente en Jap\u00f3n, pero que se enfrenta a una escasez de mano de obra<\/a>\u00ab.<\/p>\n\n\n\n

La compa\u00f1\u00eda, fundada en 2017, tiene planeado expandirse a los minimercados en los Estados Unidos, que tambi\u00e9n sufren una escasez de mano de obra en la industria de la venta minorista y donde m\u00e1s de la mitad<\/a> de los consumidores dicen que visitan uno de las 150,000 minimercados del pa\u00eds al menos una vez al mes.<\/p>\n\n\n\n

\u201cLa inteligencia artificial busca resolver algunos de los problemas m\u00e1s dif\u00edciles del mundo, brinda herramientas para desarrollar e implementar robots y otras m\u00e1quinas aut\u00f3nomas que piensen por s\u00ed mismas, ayudando a diferentes sectores a una eficiente automatizaci\u00f3n\u201d, destac\u00f3 Marcio Aguiar, Director de NVIDIA Enterprise para Latinoam\u00e9rica.<\/p>\n\n\n\n

Los Robots de Telexistence Reabastecen los Estantes de FamilyMart<\/strong><\/a> (video)<\/strong><\/p>\n\n\n\n

Telexistence comenzar\u00e1 a implementar sus robots de reabastecimiento (llamados TX SCARA) en 300 tiendas FamilyMart en agosto. Su objetivo es llevar las m\u00e1quinas aut\u00f3nomas a ubicaciones adicionales de FamilyMart, as\u00ed como a otras grandes cadenas de minimercados, en los pr\u00f3ximos a\u00f1os.<\/p>\n\n\n\n

\u00abEl personal pasa mucho tiempo en la trastienda reabasteciendo los estantes, en lugar de estar interactuando con los clientes\u00bb, dijo Tomioka. \u00abLa rob\u00f3tica como servicio permite que el personal pase m\u00e1s tiempo con los clientes\u00bb.<\/p>\n\n\n\n

TX SCARA se desplaza sobre un riel y cuenta con varias c\u00e1maras para escanear cada estante. Luego, usa la IA para identificar las bebidas que se est\u00e1n agotando y planificar su reabastecimiento. El sistema de IA puede reabastecer las bebidas de forma autom\u00e1tica y correcta m\u00e1s del 98% de las veces.<\/p>\n\n\n\n

En las raras ocasiones en que el robot ubica err\u00f3neamente una bebida o que esta se cae, no hace falta que los vendedores dejen sus tareas para poner de nuevo en funcionamiento al robot. En su lugar, Telexistence tiene operadores remotos preparados para resolver la situaci\u00f3n r\u00e1pidamente, quienes toman control manual a trav\u00e9s de un sistema de realidad virtual que utiliza las GPU de NVIDIA para la transmisi\u00f3n de video.<\/p>\n\n\n\n

Telexistence estima que un minimercado concurrido necesita reabastecer m\u00e1s de 1,000 bebidas al d\u00eda. El sistema en el cloud de TX SCARA mantiene una base de datos de ventas de productos ordenada por nombre, fecha, hora y n\u00famero de los art\u00edculos almacenados por los robots durante el funcionamiento. Esto permite a la IA priorizar qu\u00e9 art\u00edculos debe reabastecer primero en funci\u00f3n de los datos de ventas anteriores.<\/p>\n\n\n\n

IA en el Edge con NVIDIA Jetson<\/strong><\/h2>\n\n\n\n

TX SCARA est\u00e1 conformado por varios modelos de IA. Un modelo de detecci\u00f3n de objetos identifica los tipos de bebidas de una tienda para determinar cu\u00e1l pertenece a qu\u00e9 estante. Se combina con otro modelo que ayuda a detectar el movimiento del brazo del robot, para que pueda recoger una bebida y colocarla con precisi\u00f3n en el estante entre otros productos. Un tercer modelo corresponde a la detecci\u00f3n de anomal\u00edas: reconoce si una bebida se ha ca\u00eddo en el estante o fuera de este. Y otro modelo detecta qu\u00e9 bebidas se est\u00e1n agotando en cada estante.<\/p>\n\n\n\n

El equipo de Telexistence utiliz\u00f3 redes neuronales previamente entrenadas y personalizadas como sus modelos b\u00e1sicos. Luego agrega datos sint\u00e9ticos y datos tomados del mundo real a fin de ajustar las redes neuronales para su aplicaci\u00f3n. El uso de un entorno de simulaci\u00f3n para crear m\u00e1s de 80,000 im\u00e1genes sint\u00e9ticas ayud\u00f3 al equipo a aumentar su conjunto de datos, para que el robot pudiera aprender a detectar bebidas en cualquier entorno de color, textura o iluminaci\u00f3n.<\/p>\n\n\n\n

Para el entrenamiento de modelos de IA, el equipo se basa en una NVIDIA DGX Station.<\/a> El robot en s\u00ed utiliza dos m\u00f3dulos integrados de NVIDIA Jetson: el NVIDIA Jetson AGX Xavier<\/a> para el procesamiento de IA en el edge y el m\u00f3dulo NVIDIA Jetson TX2<\/a> para enviar datos de transmisi\u00f3n de video.<\/p>\n\n\n\n

En cuanto al software, el equipo utiliza el SDK NVIDIA JetPack<\/a> para la IA en el edge y el SDK NVIDIA TensorRT<\/a> para la inferencia de alto rendimiento.<\/p>\n\n\n\n

\u00abSin TensorRT, nuestros modelos no se ejecutar\u00edan lo suficientemente r\u00e1pido como para detectar objetos en la tienda de manera eficiente\u00bb, dijo Pavel Savkin, director de automatizaci\u00f3n de rob\u00f3tica de Telexistence. <\/p>\n\n\n\n

Telexistence optimiz\u00f3 a\u00fan m\u00e1s sus modelos de IA utilizando el formato de punto flotante de precisi\u00f3n media (FP16) en lugar<\/a> de la precisi\u00f3n \u00fanica (FP32).<\/p>\n\n\n\n

Conoce las \u00faltimas novedades de IA y de rob\u00f3tica en NVIDIA GTC<\/a>, que se llevar\u00e1 a cabo en l\u00ednea del 19 al 22 de septiembre. La inscripci\u00f3n<\/a> es gratuita.<\/p>\n\n\n\n

———————————————————-
Contacto: samcarbajalreportera@gmail.com<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

SANTA CLARA, California \u2013 septiembre 15, 2022\u2014 La startup Telexistence, con sede en Tokio, anunci\u00f3 que implementar\u00e1 robots impulsados por la Inteligencia Artificial (IA) de NVIDIA para reabastecer los estantes de cientos de minimercados FamilyMart en Jap\u00f3n. Hay 56,000 minimercados en Jap\u00f3n (el pa\u00eds con la tercera densidad m\u00e1s alta de todo el mundo). Alrededor de […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-619","post","type-post","status-publish","format-standard","hentry","category-noticia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/posts\/619","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/comments?post=619"}],"version-history":[{"count":1,"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/posts\/619\/revisions"}],"predecessor-version":[{"id":620,"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/posts\/619\/revisions\/620"}],"wp:attachment":[{"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/media?parent=619"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/categories?post=619"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ciencianews.in\/index.php\/wp-json\/wp\/v2\/tags?post=619"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}