소매업계의 물리적 AI 데이터: ‘마니포머’, 상하이에서 로봇 훈련 실시

마니포머(Maniformer) 직원들은 2026년 8월 5일과 6일, 상하이의 실제 소매점 매장에서 체감형 로봇을 훈련시키며, 다중 모달 데이터를 수집하고 원격 조종 시연을 진행하여 상품 진열, 스캔, 고객 서비스에 필요한 작업 데이터셋을 구축했습니다.

마니포머는 상하이에 본사를 둔 물리적 인공지능 데이터 서비스 플랫폼입니다. 이 회사는 소매 및 경량 물류 분야를 위해 센서가 장착된 시뮬레이션 장비, 인간 참여형 워크플로우, 데이터셋 파이프라인을 구축합니다. 시뮬레이션만으로는 한계가 있는 조작 및 내비게이션 분야의 실제 환경 훈련 데이터를 전문으로 합니다.

소매업은 물리적 인공지능의 시험장이다

소매업은 밀도, 다양성, 가동 중단 시간이 적절히 조화를 이루어 신체 기반 인공지능을 극한까지 시험해 볼 수 있는 환경을 제공합니다. 진열대는 매일 바뀌고, 프로모션으로 인해 계절마다 혼란이 발생합니다. 직원들은 재고 보충, 피킹 오류, 진열도 재조정, 물품 유출, 끊임없는 고객 문의 등을 동시에 처리해야 합니다. 조명은 하루 종일 변합니다. 포장은 광택이 나거나 주름져 있으며 색상이 진해, 비전 시스템에 있어 최악의 시나리오를 연출합니다. 통로는 좁고 주변 소음은 큽니다. 이 모든 요소가 소매업을 수익성 있는 골칫거리이자 데이터의 금광으로 만듭니다.

상하이에서 Maniformer는 직원들을 실제 매장 현장의 트레이너로 배치하며, 주로 비성수기 시간대나 통제된 짧은 시간대에 활동을 진행합니다. 이들은 원격 조작과 공유 자율 주행 방식을 통해 로봇이 작업을 수행하도록 유도하고, 상태 변화를 주석 처리하며, 결과에 점수를 매깁니다. 이 플랫폼은 동기화된 컬러 영상, 깊이, 관성 및 힘·토크 신호, 바코드 스캔 데이터, 플래노그램 참조 정보, 그리고 POS(판매 시점) 및 재고 시스템에서 수집된 매장 이벤트 데이터를 수집합니다. 이후 특정 작업과 진열대에 맞춰 엄격하게 버전 관리된 데이터 세트를 생성한 뒤, 이를 고객 모델 훈련 파이프라인으로 전송합니다.

이 과정은 외과 수술처럼 정밀합니다. 모든 프레임이 유용한 것은 아닙니다. 중요한 것은 시뮬레이션된 에이전트를 무력화시키는 극한 상황을 포착하는 것입니다. 선반에서 뒤틀리는 끈적거리는 병, 계절별 판지 장식물이 부착된 엔드캡, 그리퍼 아래로 미끄러지는 반사성 스낵 봉지, 또는 제품을 직원에게 건네주는 고객 등을 생각해 보십시오.

이상한 각도로 서 있는 로봇. 실험실에서는 이런 일들이 일화일 뿐이지만, 매장에선 항상 일어나는 일입니다.

시뮬레이션된 통로가 놓치는 복잡한 20%

시뮬레이션은 로봇 공학을 위한 강력한 촉진제입니다. 도메인 무작위화, 합성 사실주의, 그리고 키보드 입력만으로도 완벽하게 구현되는 물리 법칙이 처음 80%를 담당합니다. 소매업은 나머지 20%에 속하며, 이는 현실이 협조하기를 거부하는 거친 경계 지대입니다. 그 이유를 설명하는 네 가지 패턴이 있습니다.

• 지각 에일리어싱이 만연합니다. 수많은 서로 다른 제품이 거의 동일한 기하학적 구조와 색상을 공유합니다. 사소한 눈부심이나 수축 포장지의 주름만으로도 감지기가 오작동합니다. 시뮬레이션된 재질은 광학적으로 거슬리는 광택 포장지의 실제 모습과 거의 일치하지 않습니다.
• 접촉은 이상적이지 않습니다. 변형 가능한 물건은 휘어지거나 달라붙습니다. 선반은 흔들립니다. 중력이 우세합니다. 시뮬레이션된 마찰, 강성, 순응도가 도움이 되긴 하지만, 매장 수준에서의 보정 오차가 더 큰 영향을 미칩니다.
• 사회적 상호작용이 중요합니다. 고객이 작업을 방해하거나, 특정 상품을 요청하거나, 장바구니를 계획된 경로로 옮길 수 있습니다. 정중하게 잠시 멈추는 것조차도 현재 시뮬레이터가 코딩하기 어려운 방식으로 행동 계획을 재구성합니다.
• 매장 상태는 불안정합니다. 플래노그램은 지침일 뿐, 절대적인 법칙이 아닙니다. 프로모션, 지역 관리자의 임의 변경, 심야 재고 보충 등이 매장의 구도를 바꿔 놓습니다.

실생활에 비유해 보면 이해하기 쉽습니다. 시뮬레이션만으로 훈련하는 것은 플라스틱 음식으로 요리사를 가르치는 것과 같습니다. 칼질과 접시 담기 연습은 할 수 있겠지만, 양파를 썰면 눈물이 나는 이유, 팬의 열이 어떻게 변하는지, 소스가 변하기 직전 어떤 모습인지 등은 배울 수 없습니다.

현장 증거는 명백합니다. 혼합 데이터로 훈련된 소매 모델이 더 나은 성과를 내지만, 그 이득은 시뮬레이터 사용 시간이 아닌 실제 현장 적용 범위에 따라 달라집니다. 구매 담당자에게 이는 상업적인 시사점을 줍니다. 이 문제를 해결하기 위해 서버를 더 구매해서는 안 됩니다. 매장 및 진열대와 연계된 데이터 운영 체계를 도입해야 합니다.

매니포머(Maniformer)는 현장 업무를 위한 데이터 유틸리티를 구축합니다

Maniformer의 제품은 로봇이 아닙니다. 이는 네 가지 영역을 하나의 연속적인 루프로 연결하는 데이터 유틸리티입니다.

• 캡처.

카트와 로봇에 장착된 센서 장치는 정확한 타임스탬프가 포함된 동기화된 데이터를 수집합니다. 직원들은 시연 및 수정 지도를 위해 햅틱 또는 휴대용 제어 장치를 착용합니다. 오디오는 동의가 있을 때만 기록되며, 개인정보 보호 위험을 줄이기 위해 최종 편집본에서는 종종 삭제됩니다.

선별. 라벨링 엔진은 플래노그램, 바코드 데이터베이스, 진열대 지도를 통합하여 정적 맥락에 자동으로 라벨을 부여합니다. 인간 검토자는 자동화가 놓치는 동작 상태, 오류 모드, 사회적 상호작용에 집중합니다. 모든 프레임에는 선택적 재생을 위해 매장, 통로, 진열대, 시간 메타데이터가 포함됩니다.

훈련. 데이터는 모방 학습, 강화 학습, 비전-언어-행동 스택으로 내보내집니다. 약어는 첫 사용 시 항상 풀어서 표기됩니다. 예를 들어, 인간 피드백 기반 강화 학습(RLHF)은 평가자 점수와 속도, 안전, 진열 품질과 연계된 상세한 보상 정의에 의해 구동됩니다.

검증. Maniformer는 스크립트화된 작업과 교란 요인을 실행하여 정책 외 상황에서의 견고성을 측정합니다. 이 시스템은 벤치마크를 구매자의 핵심 성과 지표(예: 피킹률, 복구 시간, 고객 대기 시간)에 맞춰 조정합니다.

이 회사의 핵심 기술 선택은 처리량과 감사 가능성에 중점을 둡니다. 모든 요소에는 버전이 부여됩니다. 데이터셋의 계보가 명확하게 기록됩니다. 매장 관리자가 로봇이 병 뚜껑을 돌리거나 병을 옮기는 방법을 어떤 데이터로 학습했는지 묻는다면, 팀은 정확한 조건이 적용된 특정 날짜의 실행 기록 일부를 제시할 수 있습니다. 덕분에 재훈련은 불확실한 도박이 아니라, 알려진 버그를 수정하는 것과 같은 과정이 됩니다.

새로운 로봇 기반 공급망에는 데이터 서비스 플랫폼이 포함됩니다

10년 전만 해도 소매용 로봇의 파이프라인은 센서, 조작기, 이동식 베이스, 그리고 통합업체를 중심으로 구성되었습니다. 오늘날에는 새로운 계층이 등장했습니다. 물리적 인공지능 데이터 서비스 플랫폼이 매장과 모델 훈련 사이에 위치합니다. 이 플랫폼은 데이터 수집, 정제, 동의 절차를 표준화한 뒤, 여러 로봇 공급업체의 학습 루프에 데이터를 중개합니다.

조달 팀의 경우, 이로 인해 카테고리 전략이 달라집니다. 이제 세 가지를 조달해야 합니다.

여러 가지가 있습니다. 하드웨어를 구매하고, 모델과 자율성을 확보하며, 현장 운영에서 이 두 가지를 유용하게 활용할 수 있게 해주는 데이터 서비스를 구매합니다. 이 모든 것을 단일 공급업체에 맡길 수도 있지만, 위험을 관리하는 데 있어 더 나은 접근 방식은 모듈식입니다. 소매업체는 공유 데이터 유틸리티를 기반으로 두 곳의 하드웨어 공급업체와 시범 운영을 진행함으로써 학습 자산을 이동 가능하게 유지할 수 있습니다. 로봇 공급업체는 주요 시장에서 데이터 파트너와 계약을 맺어 매장마다 개별적으로 사용 허가를 얻느라 시간을 낭비하지 않을 수 있습니다.

상하이에 기반을 둔 한 운영 이사는 이를 간결하게 설명했습니다. 상하이는 일주일 동안 테스트만 해도 한 달 치의 극단적인 사례를 확인할 수 있는 곳입니다. 프로모션은 빠르게 바뀌고, 고객 유입은 끊임없이 이어집니다. 이러한 속도 덕분에 데이터 운영에 드는 수고가 충분히 가치 있습니다.

데이터 수집에서 큐레이션, 제어에 이르는 과정이 폐쇄형 루프를 형성합니다

현장에서 이 루프는 다음과 같이 작동합니다. 반사되는 스낵 코너 근처에서 진열대 정리 작업이 실패합니다. 운영자가 직접 개입하여 작업을 완료하고, 원인을 ‘반사로 인한 오분류’로 기록합니다. 해당 프레임과 동작 기록은 우선적으로 시스템에 입력되도록 표시됩니다. 하룻밤 사이에 훈련 작업이 해당 장면에 중점을 두게 됩니다. 다음 날 새로운 모델이 배포됩니다. 팀은 한산한 시간대에 해당 장면을 재현하고, 실제 매장에서 소규모 A/B 테스트를 진행합니다. 결과가 안정적이라면, 수정 사항은 더 많은 매장으로 확대 적용됩니다.

이러한 루프는 데이터 파이프라인이 빠르고, 깨끗하며, 안전할 때만 제대로 작동합니다. ‘빠르다’는 것은 매장이 로컬 네트워크를 막히지 않게 데이터를 송수신할 수 있음을 의미합니다. ‘깨끗하다’는 것은 각 실행 기록에 태그가 지정되고, 중복이 제거되며, 유효성 검사가 이루어짐을 의미합니다. ‘안전하다’는 것은 개인정보가 가명 처리되고 매장의 영업 비밀이 유출되지 않음을 의미합니다. Maniformer는 이 세 가지 모두를 최우선 과제로 삼고 있다고 주장합니다. 이 회사는 얼굴과 차량 번호판에 대해 기기 내 블러링 기술을 사용하고, 매장 레이아웃에 대해서는 경로 단위의 익명화 기술을 적용하며, 고객 간 정보 유출을 방지하는 쓰기 전용 경로를 활용한다고 밝혔습니다. 또한 데이터 수집 과정을 중화인민공화국 개인정보보호법(PIPL) 및 중화인민공화국 데이터보안법(DSL)에 부합하도록 하고 있다.

상하이 소매업이 이상적인 데이터 용광로인 이유

상하이는 로봇을 적극 도입하고 있으며

어려운 밀도 환경에 적응하는 트레이너들. 대중교통 주변에는 수백 개의 편의점이 밀집해 있습니다. 통로는 좁고, 방문객 수는 급격히 급증했다가 급감합니다. 프로모션은 빠르게 바뀌며, 변덕스러운 진열 변경을 요구합니다. 이 도시의 서비스 문화는 ‘하이 터치(high touch)’ 방식이므로, 로봇은 방해가 되지 않으면서도 잠시 멈추고, 상황을 인지한 뒤, 다시 정상으로 복귀해야 합니다.

이러한 밀집도는 더 빠른 서비스 범위를 보장합니다. 한 주간의 운행만으로도 성장 속도가 느린 시장의 한 시즌 동안 발생할 수 있는 모든 예외 사례를 커버할 수 있습니다. 이는 훈련 비용 구조를 결정짓습니다. 데이터 서비스 비용은 매장 방문 횟수를 줄이면서도 더 광범위한 커버리지를 확보함으로써 분산됩니다. 시범 운영 예산을 계획 중이라면, 로봇 대여비보다는 데이터 수집 팀, 동의 안내판, 매장 내 안내 요원, 영업 시간 외 접근 제한 등이 주요 비용 항목이 될 것임을 예상해야 합니다.

비용은 높고 병목 현상은 이동합니다

회의적인 반론은 건전한 것입니다. 실제 환경에서의 데이터 운영을 구축하는 데는 비용이 많이 들고 업무에 방해가 됩니다. 매장 관리자들은 매장 내 추가 인력을 달가워하지 않습니다. 개인정보 보호 위험도 무시할 수 없습니다. 특정 공급업체에 종속되는 것도 현실적인 우려 사항입니다. 시범 운영이 성공하더라도, 설비와 소비 습관이 다른 다른 도시에서도 이 모델이 통할까요?

이것들은 실제 위험 요소들입니다. 이를 완화하는 방법은 슬로건이 아니라 설계입니다.

• 혼란 통제. 유동 인구가 적은 시간대에 훈련을 실시하십시오. 한 번에 한 통로씩만 사용하는 짧은 시간대를 활용하십시오. 참여 거부 옵션이 명시된 명확한 안내 표지판을 설치하십시오. 신뢰 구축을 위해 사고 발생률을 추적하고 공개하십시오.
• 개인정보 보호 및 규정 준수. 데이터 수집을 최소화하십시오. 에지에서 이미지를 흐리게 처리하십시오. 신속하게 삭제하십시오. 음성 연결 전환과 같이 기능 수행에 명시적으로 필요한 경우가 아니면 오디오를 비활성화하십시오. PIPL 및 매장 정책에 부합하도록 하십시오.
• 이식성 보호 조치. 공유 데이터 스키마 및 명시적인 데이터셋 소유권에 대한 계약을 체결하십시오. 특정 모델 스택에 묶이게 하는 불투명한 인코딩을 피하십시오. 서비스 수준 계약(SLA)에 데이터 유출 경로를 명시적으로 포함시키십시오.
• 일반화 계획. 도시 간 이전 계획을 수립하십시오. 각 신규 도시에서 첫 주 동안 데이터 버스트를 포함하여 조명, 방언, 설비 표준에 맞춰 조정하십시오.

실제 비용과 부담 주체

조달 담당자들은 구체적인 수치를 원합니다. 또한 그들은

예상치 못한 요소들. 중국에서는 프로그램 비용이 인건비와 매장 접근성에 집중될 것입니다. 일반적인 3개 매장 규모의 시범 운영은 8~12주 동안 진행되며, 각 매장당 2~3명의 데이터 수집 기술자와 중앙 라벨링 및 교육 팀이 투입됩니다. 인력, 하드웨어 키트, 데이터 처리, 교육 실습이 통합된 월정액 방식의 서비스 계약이 체결될 것으로 예상됩니다. 현재 상하이의 상황을 고려할 때, 운영 중인 매장 한 곳당 월 이용료는 운영 시간, 진열대 수, 모델 훈련 빈도에 따라 80,000위안에서 200,000위안 사이가 될 수 있습니다. 하드웨어 임대료와 야간 특별 출입 권한이 추가되면 상한선이 더 높아질 수 있습니다.

비용 부담 주체는 전략적인 문제입니다. 소매업체는 종종 자사의 플래노그램과 운영 방식에 맞추기 위해 첫 번째 단계 비용을 부담합니다. 로봇 공급업체는 고객사 간에 요소를 재사용할 수 있다면 공동 투자할 것입니다. 특정 업종 내에서 하나의 데이터 플랫폼이 여러 하드웨어 공급업체에 서비스를 제공하며, 엄격한 데이터 격리 조치와 명확한 거버넌스를 적용하는 공유 유틸리티 모델이 등장하고 있습니다.

소매업에서 ‘데이터 우선’ 로봇 공학에 중요한 지표

매장 관리자들은 초당 프레임 수에는 관심이 없습니다. 그들은 진열대가 보기 좋게 정리되어 있고 고객이 기다리지 않는 것에 관심을 둡니다. 이를 간단한 성과 지표로 전환하십시오.

• 작업 품질. 플래노그램 허용 오차 기준에 따른 진열 점수. 실제 판매 가능 수량과 연계된 바코드 스캔 정확도.
• 처리량. 시간당 피킹 또는 진열된 단위 수(인적 개입 내역 기록 포함).
• 신뢰성. 개입 간 평균 시간(MTI). 중단 후 복구 시간.
• 고객 영향. 통로 내 물품 인계 대기 시간. 시간당 통로 막힘 발생 횟수.
• 안전. 아차 사고 건수. 접촉력 편차. 깨끗한 통로 통과율.
• 데이터 건전성. 주당 신규 에지 케이스 수. 라벨 승인률. 수정 사항 배포까지 소요되는 시간.

데이터 파트너가 이러한 항목에 대한 개선 성과를 보여주지 못한다면, 여러분은 진전이 아닌 허울뿐인 쇼를 구매하고 있는 것입니다.

실제 상호작용 데이터에 대한 통제권이 새로운 경쟁 우위가 되는 이유

모델 가중치는 이식 가능합니다. 하드웨어는 점점 더 모듈화되고 있습니다. 진정한 희소 자원은

특정 환경 구성 요소 및 워크플로우와 연계된, 실제 상호작용을 포괄적으로 다루는 허가형 코퍼스. 스토어, 모델, 재배포 간의 원활한 연계를 확보한 주체가 주도권을 쥐게 됩니다.

이러한 전략적 논리는 과거의 플랫폼 전환 양상을 반영한다. 웹 광고에서는 클릭 및 전환 데이터에 대한 통제권이 시장 지배력을 좌우했습니다. 자율주행 분야에서는 차량 주행 거리가 기술 발전과 기업 가치를 이끌었습니다. 오프라인 소매 로봇 분야에서는 매장 내 운영 시간과 성공적인 복구 사례가 경쟁 우위를 결정합니다. 차이점은 동의 및 안전 요구 사항이 더 엄격하며, 작업 단위가 페이지뷰가 아닌 진열대나 고객이라는 점입니다.

구매 담당자는 이를 포트폴리오 결정으로 접근해야 합니다. 우선순위 도시에서 운영할 수 있는 데이터 파트너에 최소 한 곳 이상 투자하십시오. 모델 경로를 열어 두십시오. 데이터 처리에 대한 감사 권한을 협상하십시오. 데이터셋 카드를 읽고, 검증 실행 결과를 해석하며, 진열대나 프로모션 주기가 변경될 때 목표 지향적인 데이터 스프린트를 요청할 수 있는 내부 역량을 구축하십시오.

매장에서의 마니포머 운영 플레이북

상하이 편의점 내부는 어떤 모습일까요?

• 설치. 출입구와 관련 진열대에는 동의 안내판이 게시됩니다. 카메라와 깊이 센서는 로봇에 장착되며, 상황에 따라 짧은 마스트 카트에 장착되기도 합니다. 매장 관리자는 유동 인구가 적은 시간대를 고려하여 30분에서 90분 정도의 운영 시간을 배정합니다.
• 실행. 직원이 원격 조종하거나 공동 조종 방식으로 목표 과제를 수행합니다. 재고 보충의 경우, 도달, 잡기, 회전, 배치 동작을 힘 프로파일과 함께 수집합니다. 스캔의 경우, 각도, 거리, 조명을 다양하게 조절합니다. 서비스의 경우, 고객의 명확한 동의를 얻어 언어 프롬프트와 업무 인계 과정을 기록합니다.
• 주석 달기. 근처 태블릿에서 라벨러는 프레임을 플래노그램 슬롯, 진열대 형상 및 제품 바코드와 연결합니다. 또한 ‘눈부심’, ‘가림’, ‘변형 가능한 미끄러짐’, ‘고객 방해’, ‘라벨 불일치’와 같은 표준 용어를 사용하여 실패 원인을 표시합니다.
• 동기화. 개인정보 처리 절차를 거친 후 데이터는 매장 측 중계기를 통해 업링크됩니다. 야간 처리를 통해 데이터가 훈련 모델로 전송됩니다.

재배포. 변경 내역이 포함된 새로운 모델이 출시됩니다. 팀은 먼저 문제가 발생한 시나리오를 재현한 뒤, 이를 확장해 나갑니다.

거버넌스, 개인정보 보호 및 지적 재산권에 대한 안전장치

상하이 소매업은 중국 데이터법의 적용을 받습니다. PIPL(개인정보보호법)과 DSL(데이터 보안법)이 경계를 설정합니다. 소매업체들은 천장 전체를 촬영하는 행위나 고객 음성 녹음 금지 등 자체적인 규정을 추가합니다. Maniformer는 필요한 정보만을, 여전히 유용하게 활용 가능한 최저 수준의 정밀도로 저장하도록 설계했다고 밝혔습니다. 얼굴은 가장자리에서 흐릿하게 처리됩니다. 매장이 명시적인 연구 권한을 부여하지 않는 한, 매장 레이아웃은 역추적이 불가능한 맵 형태로 추상화됩니다. 상품 진열도는 영업 비밀로 취급되며, 고객 간에는 절대 공유되지 않습니다.

지적 재산권 측면에서는 계약의 명확성이 유일한 안전한 길입니다. 다음 세 가지 질문에 서면으로 답변하십시오. 원본 캡처 데이터의 소유권은 누구에게 있습니까? 라벨 및 파생 데이터 세트의 소유권은 누구에게 있습니까? 모델 가중치의 소유권은 누구에게 있습니까? 현재 많은 소매업체들이 소유권을 분할하고 있습니다. 매장은 원본 데이터와 라벨을 소유하고, 공급업체는 기본 모델을 소유합니다. 미세 조정된 가중치와 레시피는 공유되거나 기간 제한이 있는 라이선스 하에 제공됩니다. 이는 시범 운영 전에 변호사와 신중하게 검토할 가치가 있습니다.

경쟁 구도가 빠르게 형성되고 있다

Maniformer는 초기 단계에 있지만, 유일한 업체는 아닙니다. 통합 업체들은 데이터 부서를 신설하고 있습니다. 클라우드 제공업체들은 엣지 파이프라인과 개인정보 보호 툴킷을 내세워 소매업체들을 유치하고 있습니다. 로봇 공급업체들은 사내 데이터 수집 팀을 구축하고 있습니다. 시장은 아마도 계층화될 것입니다. 도시별로 운영되는 순수 데이터 플랫폼. 하드웨어, 자율주행 기술, 데이터를 하나의 통합 패키지로 묶어 제공하는 풀스택 공급업체. 로봇 공급업체가 현지 데이터 운영사와 제휴하는 하이브리드 연합.

구매자들은 상호 운용성을 요구할 것이다. 설비, 제품, 행동에 대한 스키마 표준이 마련될 것이다. 도시별, 체인별로 안전 및 동의 템플릿이 마련될 것이다. 제3자 감사 기관들이 개인정보 보호 및 데이터셋 품질을 위한 인증 프로그램을 제공할 것으로 예상된다. 승자들은 커버리지 지도, 라벨링 방법, 알려진 누락 사항이 포함된 데이터셋 카드를 공개할 것이다. 패자들은 마법 같은 이야기만 늘어놓을 것이다.

이것이 조달 및 운영에 미치는 의미

책임자

데이터 서비스 플랫폼을 별도의 RFP가 필요한 새로운 공급업체 범주로 취급하십시오. 범위에는 저장소 접근 계획, 동의서 템플릿, 개인정보 보호 도구, 데이터 수집 하드웨어 목록, 라벨링 프로세스, 교육 스택 산출물 및 검증 방법이 포함되어야 합니다. 목표 핵심 성과 지표(KPI)와 연계된 시범 운영을 요구하십시오. 데이터셋 카드와 데이터 전달 계획을 요청하십시오. 모델 공급업체를 교체할 경우를 대비해 전환 절차를 요구하십시오.

운영 부서와 협력하여 업무 차질이 적은 시기를 선정하십시오. 전국 매장 구성과 유사한 진열대를 선택하십시오. 화려한 포장이 돋보이는 시끌벅적한 코너와 조용한 신선식품 코너를 포함시키십시오. 재고 보충에 집중하고 있더라도 고객 서비스 업무를 계획에 포함시키십시오. 바로 그곳에 많은 실패 요인이 숨어 있습니다.

매니포머(Maniformer)의 상하이 사례는 더 광범위한 재조정의 방향을 제시합니다

수년 동안 소매 로봇 프로그램은 하드웨어 문제로 정체되어 있었습니다. 그리퍼가 미끄러지기도 했고, 경사로에서 베이스가 걸리기도 했으며, 형광등 아래에서 센서가 고장 나기도 했습니다. 오늘날 일반적인 하드웨어는 충분히 성능을 발휘합니다. 유일한 제약 요소는 로봇이 각 매장의 구체적인 현실 속에서, 별도의 관리 없이도 고객을 놀라게 하지 않으면서 작동하도록 가르치는 데이터입니다.

매니포머의 주장은 간단합니다. 데이터 루프를 산업화하면, 로봇은 매장 공간을 할당할 만한 가치가 있을 만큼 충분히 빠르게 발전할 것입니다. 상하이에서의 작업은 이것이 은행가적인 접근 방식임을 시사합니다. 이 회사는 무모한 도전을 쫓는 것이 아닙니다. 실용적인 솔루션을 판매하고 있는 것입니다. 여러 개의 진열대를 운영해 본 적이 있다면, 실용적인 솔루션의 힘을 이미 잘 알고 계실 것입니다.

데이터 작업을 단순한 상품으로 보는 유혹이 있습니다. 카메라를 향하고, 기록하고, 라벨을 붙이고, 훈련시키고, 반복하는 식이죠. 하지만 이는 핵심을 놓치는 것입니다. 조명, 포장, 인간의 행동과 같은 사소한 차이가 결과에 큰 영향을 미치는 물리적 작업 환경에서 데이터 품질은 곧 성과 그 자체입니다. 이는 서버를 추가 주문하는 것보다 신선한 농산물을 조달하는 일에 더 가깝습니다. 신선한 것은 성공하고, 상한 것은 썩어버립니다. 적절한 시점에 적절한 매장에서 올바른 장면을 포착할 수 있는 플랫폼은 가볍게 교체할 수 있는 공급업체가 아닙니다.

이 분석은 상하이에서 발표된 기업 성명서와 관찰 가능한 시장 동향을 종합한 것입니다.

명시된 기간 동안의 소매 판매.

면책 조항: 본 분석은 정보 제공 목적으로만 제공되며, 투자, 법률 또는 조달에 대한 조언을 구성하지 않습니다. RobotAIGeek은 특정 공급업체를 추천하지 않으며, 초기 단계 기술의 성능을 보장하지 않습니다.