產業中心/綜合報導

從技術驗證走向商業試點，智慧零售再進化！工研院攜手統一超商三年內打造三間無人商店 X-STORE，從技術原型走向多地商業化試點，從技術驗證、優化、商用化整合到場域導入與營運驗證，今年更突破一般使用AIoT設備，改採用全影像辨識、骨架追蹤、多視角3D 定位、與邊緣AI即時計算，建立商用級系統，可因應不同店型彈性部署，透過與校園等場域的合作，為零售業評估 ROI（投資報酬）、人力替代比例與擴店可行性，開啟臺灣智慧零售產業發展的關鍵里程碑。

根據國際調查機構 Grand View Research 的預估，全球智慧零售市場將在 2033 年突破 4,500 億美元，年複合成長率超過 30%。工研院自 2022 年起投入智慧商店技術研發，從智慧商店AIoT初代店、AIoT 2.0優化，到今年的技術正式邁向「全影像辨識＋多人／物件追蹤」的商用級階段。

工研院資訊與通訊研究所組長王恩慈表示，目前既有技術如Amazon Just Walk Out、以色列 Trigo、美國 Caper AI 等指標廠商，都在布局影像辨識、自動結帳與無感購物。雖然各家技術架構不同，但共同方向都指向以影像為核心、減少硬體感測器、快速複製與商業化部署。她強調，智慧零售的「拿了就走」技術並非一蹴可幾，而是透過三階段技術演進逐步成熟。

舉例來說，位於工研院第一代 X-STORE 7 為早期的智慧商店 AIoT 驗證場域，採用攝影機、重量感測與紅外線技術判斷商品取放，是打造無人商店的基礎工程；在海洋大學第二代 X-STORE 8則導入LiDAR深度感測取代紅外線，提升多人購物時的辨識穩定度，同時將硬體成本降低75%，支援15人同時購物；至於中央大學的第三代 X-STORE 9 則正式邁向全影像辨識、骨架追蹤、三維感測的商用級階段，以可擴展性與場域適配能力，支援 20 人同時消費與更複雜的店型運作。

「拿了就走」技術使用的攝影機主要用來判斷（1）顧客在店內的相對位置、（2）骨架與手部動作，（3）商品的追蹤辨識。系統為每位進店顧客建立虛擬ID，作為在店內行為判斷歸戶的統一識別。校園、科技園區、微型社區與物流場域對「快速購物、低人力運營、24 小時服務」的需求快速提升。X-STORE 9 的彈性部署能力，可依不同店型動線配置攝影機與 LiDAR，無須改裝貨架，可在既有門市快速導入，降低展店門檻。未來也將針對提升運算效能，持續投入研發。

產業中心/綜合報導

從技術驗證走向商業試點，智慧零售再進化！工研院攜手統一超商三年內打造三間無人商店 X-STORE，從技術原型走向多地商業化試點，從技術驗證、優化、商用化整合到場域導入與營運驗證，今年更突破一般使用AIoT設備，改採用全影像辨識、骨架追蹤、多視角3D 定位、與邊緣AI即時計算，建立商用級系統，可因應不同店型彈性部署，透過與校園等場域的合作，為零售業評估 ROI（投資報酬）、人力替代比例與擴店可行性，開啟臺灣智慧零售產業發展的關鍵里程碑。

根據國際調查機構 Grand View Research 的預估，全球智慧零售市場將在 2033 年突破 4,500 億美元，年複合成長率超過 30%。工研院自 2022 年起投入智慧商店技術研發，從智慧商店AIoT初代店、AIoT 2.0優化，到今年的技術正式邁向「全影像辨識＋多人／物件追蹤」的商用級階段。

工研院資訊與通訊研究所組長王恩慈表示，目前既有技術如Amazon Just Walk Out、以色列 Trigo、美國 Caper AI 等指標廠商，都在布局影像辨識、自動結帳與無感購物。雖然各家技術架構不同，但共同方向都指向以影像為核心、減少硬體感測器、快速複製與商業化部署。她強調，智慧零售的「拿了就走」技術並非一蹴可幾，而是透過三階段技術演進逐步成熟。

舉例來說，位於工研院第一代 X-STORE 7 為早期的智慧商店 AIoT 驗證場域，採用攝影機、重量感測與紅外線技術判斷商品取放，是打造無人商店的基礎工程；在海洋大學第二代 X-STORE 8則導入LiDAR深度感測取代紅外線，提升多人購物時的辨識穩定度，同時將硬體成本降低75%，支援15人同時購物；至於中央大學的第三代 X-STORE 9 則正式邁向全影像辨識、骨架追蹤、三維感測的商用級階段，以可擴展性與場域適配能力，支援 20 人同時消費與更複雜的店型運作。

「拿了就走」技術使用的攝影機主要用來判斷（1）顧客在店內的相對位置、（2）骨架與手部動作，（3）商品的追蹤辨識。系統為每位進店顧客建立虛擬ID，作為在店內行為判斷歸戶的統一識別。校園、科技園區、微型社區與物流場域對「快速購物、低人力運營、24 小時服務」的需求快速提升。X-STORE 9 的彈性部署能力，可依不同店型動線配置攝影機與 LiDAR，無須改裝貨架，可在既有門市快速導入，降低展店門檻。未來也將針對提升運算效能，持續投入研發。

產業中心/綜合報導

從技術驗證走向商業試點，智慧零售再進化！工研院攜手統一超商三年內打造三間無人商店 X-STORE，從技術原型走向多地商業化試點，從技術驗證、優化、商用化整合到場域導入與營運驗證，今年更突破一般使用AIoT設備，改採用全影像辨識、骨架追蹤、多視角3D 定位、與邊緣AI即時計算，建立商用級系統，可因應不同店型彈性部署，透過與校園等場域的合作，為零售業評估 ROI（投資報酬）、人力替代比例與擴店可行性，開啟臺灣智慧零售產業發展的關鍵里程碑。

根據國際調查機構 Grand View Research 的預估，全球智慧零售市場將在 2033 年突破 4,500 億美元，年複合成長率超過 30%。工研院自 2022 年起投入智慧商店技術研發，從智慧商店AIoT初代店、AIoT 2.0優化，到今年的技術正式邁向「全影像辨識＋多人／物件追蹤」的商用級階段。

工研院資訊與通訊研究所組長王恩慈表示，目前既有技術如Amazon Just Walk Out、以色列 Trigo、美國 Caper AI 等指標廠商，都在布局影像辨識、自動結帳與無感購物。雖然各家技術架構不同，但共同方向都指向以影像為核心、減少硬體感測器、快速複製與商業化部署。她強調，智慧零售的「拿了就走」技術並非一蹴可幾，而是透過三階段技術演進逐步成熟。

舉例來說，位於工研院第一代 X-STORE 7 為早期的智慧商店 AIoT 驗證場域，採用攝影機、重量感測與紅外線技術判斷商品取放，是打造無人商店的基礎工程；在海洋大學第二代 X-STORE 8則導入LiDAR深度感測取代紅外線，提升多人購物時的辨識穩定度，同時將硬體成本降低75%，支援15人同時購物；至於中央大學的第三代 X-STORE 9 則正式邁向全影像辨識、骨架追蹤、三維感測的商用級階段，以可擴展性與場域適配能力，支援 20 人同時消費與更複雜的店型運作。

「拿了就走」技術使用的攝影機主要用來判斷（1）顧客在店內的相對位置、（2）骨架與手部動作，（3）商品的追蹤辨識。系統為每位進店顧客建立虛擬ID，作為在店內行為判斷歸戶的統一識別。校園、科技園區、微型社區與物流場域對「快速購物、低人力運營、24 小時服務」的需求快速提升。X-STORE 9 的彈性部署能力，可依不同店型動線配置攝影機與 LiDAR，無須改裝貨架，可在既有門市快速導入，降低展店門檻。未來也將針對提升運算效能，持續投入研發。