論文の概要: RetailOpt: Opt-In, Easy-to-Deploy Trajectory Estimation from Smartphone Motion Data and Retail Facility Information
- arxiv url: http://arxiv.org/abs/2404.12548v2
- Date: Tue, 16 Jul 2024 00:58:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 20:59:06.776621
- Title: RetailOpt: Opt-In, Easy-to-Deploy Trajectory Estimation from Smartphone Motion Data and Retail Facility Information
- Title（参考訳）: RetailOpt:スマートフォンの動きデータと小売施設情報から簡単に軌道を推定できるOpt-In
- Authors: Ryo Yonetani, Jun Baba, Yasutaka Furukawa,
- Abstract要約: RetailOptは、屋内小売環境でオフラインで顧客の動きを追跡するための、オプトインで簡単にデプロイできる新しいシステムである。
このシステムは、顧客のスマートフォンや小売アプリから簡単にアクセス可能な情報(モーションデータ、ストアマップ、購入記録など)を利用する。
- 参考スコア（独自算出の注目度）: 23.24640055170792
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present RetailOpt, a novel opt-in, easy-to-deploy system for tracking customer movements offline in indoor retail environments. The system uses readily accessible information from customer smartphones and retail apps, including motion data, store maps, and purchase records. This eliminates the need for additional hardware installations/maintenance and ensures customers full data control. Specifically, RetailOpt first uses inertial navigation to recover relative trajectories from smartphone motion data. The store map and purchase records are cross-referenced to identify a list of visited shelves, providing anchors to localize the relative trajectories in a store through continuous and discrete optimization. We demonstrate the effectiveness of our system in five diverse environments. The system, if successful, would produce accurate customer movement data, essential for a broad range of retail applications including customer behavior analysis and in-store navigation.
- Abstract（参考訳）: RetailOptは、屋内小売環境でオフラインで顧客の動きを追跡するための、オプトインで簡単にデプロイできる新しいシステムである。
このシステムは、顧客のスマートフォンや小売アプリから簡単にアクセス可能な情報(モーションデータ、ストアマップ、購入記録など)を利用する。
これにより、追加のハードウェアインストール/メンテナンスが不要になり、顧客が完全なデータコントロールを保証できる。
具体的には、RetailOptはまず慣性ナビゲーションを使用して、スマートフォンのモーションデータから相対軌道を復元する。
店舗マップと購入記録は、訪問した棚のリストを特定するために相互参照され、連続的かつ離散的な最適化を通じて、店舗内の相対軌跡をローカライズするアンカーを提供する。
5つの異なる環境におけるシステムの有効性を実証する。
このシステムは、成功すれば、顧客の行動分析や店内ナビゲーションを含む幅広い小売アプリケーションに不可欠な、正確な顧客移動データを生成する。
関連論文リスト
- Generating In-store Customer Journeys from Scratch with GPT Architectures [0.0]
本稿では,小売店舗における顧客トラジェクトリと購入行動を同時に生成する手法を提案する。
我々はGPT-2アーキテクチャをスクラッチからトレーニングし、屋内軌跡と購入行動を生成した。
その結果,本手法はLSTMモデルやSVMモデルよりも,店内軌道や購入行動をより正確に再現できることがわかった。
論文 参考訳（メタデータ） (2024-07-13T12:35:52Z) - MARLIN: A Cloud Integrated Robotic Solution to Support Intralogistics in Retail [8.35597370637313]
本稿では,サービスロボットのMARLINと,小売業における複雑なAIアプリケーションのためのクラウドシステムであるK4Rプラットフォームとの統合について述べる。
MarLINは、K4Rプラットフォームとデータを継続的に交換し、知覚、自律ナビゲーション、タスク計画におけるロボットの能力を改善する。
我々はこれらの機能を、特に在庫棚の店員を支援することで、小売イントロロジクスのシナリオで活用する。
論文 参考訳（メタデータ） (2024-07-02T09:12:54Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Offline Reinforcement Learning for Visual Navigation [66.88830049694457]
ReViNDは、ロボットナビゲーションのための最初のオフラインRLシステムで、これまで収集されたデータを利用して、現実世界でユーザーが指定した報酬関数を最適化する。
ReViNDは、このデータセットからのオフライントレーニングのみを使用して、遠方の目標にナビゲートできることを示し、ユーザ指定の報酬関数に基づいて、質的に異なる振る舞いを示す。
論文 参考訳（メタデータ） (2022-12-16T02:23:50Z) - Characterization of Frequent Online Shoppers using Statistical Learning
with Sparsity [54.26540039514418]
本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
論文 参考訳（メタデータ） (2021-11-11T05:36:39Z) - Augmented reality navigation system for visual prosthesis [67.09251544230744]
反応ナビゲーションと経路計画のソフトウェアを組み込んだ視覚補綴用拡張現実ナビゲーションシステムを提案する。
対象を地図上に配置し、対象の軌道を計画し、対象に示し、障害なく再計画する。
その結果,目標を達成するための時間と距離を減らし,障害物衝突の回数を大幅に減らし,航法性能の向上を図っている。
論文 参考訳（メタデータ） (2021-09-30T09:41:40Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - Real-time Embedded Person Detection and Tracking for Shopping Behaviour
Analysis [1.0514231683620514]
店舗のような環境下での人々のカウントと追跡によるショッピング行動分析は、店舗運営者にとって貴重な情報を提供する。
我々は、Jetson TX2ハードウェアプラットフォーム上で、リアルタイムに最適化されたYOLOv3ベースの歩行者検出器を実装した。
検知器とスパース光フロートラッカーを組み合わせることで、各顧客にユニークなIDを割り当て、部分的に隠された顧客を略奪する問題に取り組む。
検出器トラッカーをベースとしたソリューションは,処理速度10FPSで平均81.59%の精度を達成する。
論文 参考訳（メタデータ） (2020-07-09T17:14:15Z) - Towards in-store multi-person tracking using head detection and track
heatmaps [11.318061963422807]
本稿では,スーパーマーケットの顧客行動の様相を再現するオフィス環境において,カメラから収集したデータセットを紹介する。
本稿では,顧客とスタッフの行動パターンに基づいた認識モデルを提案する。
このモデルは、スーパーマーケットで24時間にわたって収集された実世界のデータセットを用いて評価され、トレーニング中の98%の精度と評価中の93%の精度を達成する。
論文 参考訳（メタデータ） (2020-05-16T15:07:19Z) - DMV: Visual Object Tracking via Part-level Dense Memory and Voting-based
Retrieval [61.366644088881735]
DMVと呼ばれる部分レベル高密度メモリと投票ベースの検索による新しいメモリベースのトラッカーを提案する。
また,メモリの信頼できない情報をフィルタリングする新たな投票機構を提案する。
論文 参考訳（メタデータ） (2020-03-20T10:05:30Z) - Grab: Fast and Accurate Sensor Processing for Cashier-Free Shopping [5.777092390527491]
キャッシュレスショッピングを実現するために,既存インフラとデバイスを活用したGrabを提案する。
Grabは顧客を正確に識別し、追跡し、各買い物客を棚から回収するアイテムに関連付ける必要がある。
小売店でのパイロット展開による実験では、Grabは90%以上の精度とリコールを達成できる。
論文 参考訳（メタデータ） (2020-01-04T04:12:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。