图片来源：Pensa Systems

也许没有什么零售任务比盘点商品更耗时的了。弄清楚哪些产品有货哪些可能会缺货是一场永无休止的战斗，因为购物者估计要花400亿小时来挑选货架上的商品。它也容易出错--员工经常错放大约十分之一的物品，导致全球零售收入损失超过1万亿美元。

但如果你问连续创业的理查德•施瓦茨(Richard Schwartz)，无人机可以解决库存跟踪问题。他的这种信念是如此强烈，以至于他与人共同创立了Pensa系统公司，该公司开发了库存系统 一“理解”商店货架上商品的计算机视觉算法。今天，这家位于奥斯汀的初创公司宣布完成了1000万美元的后续种子投资。根据投资者和Pensa顾问委员会成员James McCann的说法，前途一片光明。

“现在很明显，人工智能和视觉技术的结合将对零售商店的经营产生巨大影响，”麦卡恩说。“考虑过该领域的不同初创企业，我相信Pensa结合行业领先的准确性，和较低的资本支出，将使它成为大多数零售商的获胜者。”

与提供的巴萨诺瓦,Keonn技术,和Simbe机器人技术所提供的产品不同，Pensa的库存系统避开了用于摄像机运动的四轴飞行器的机器人。借助无线连接的边缘服务器和自学算法，它们可以随着时间的推移更好地识别产品，当无人机在过道之间飞行并扫描库存时，它们可以“高精度”扫描并自动感应货架状况。

Schwartz认为，无人机在可扩展性方面具有优势。它们比Pensa竞争对手当前的一些机器人产品便宜，部分原因是它们具有了“数据即订阅”模型的优势。在某些情况下，它们的操作不太复杂，尤其是在布局异常紧凑的商店中。

Schwartz说，Pensa的无人机可以识别出库存，相对于行业最佳实践，精确度高达40％。此外，他说，他们的高频扫描可以准确计算，由于库存数量和品种不足而导致的盈利能力下降的“几个百分点”。

无人机中的相关数据会导入基于Web的分析仪表板，该仪表板还将重点显示一段时间内的主要趋势。商店经理可以使用它来比较主要品牌与竞争对手的货架性能，或者深入研究产品在货架上的总体份额以及其他影响收入的货架条件。

今年早些时候，Pensa与安海斯-布希英博(Anheuser-Busch inBev)(战略投资者)以及“多个国家”的其他几家未披露品牌和零售商一起，测试了自己的平台。在Anheuser-Busch InBev试点期间，Pensa的无人机在加拿大蒙特利尔的一家实体店IGA Extra Beck收集每小时和每天的库存数据。在两周的时间里，他们扫描了装着易拉罐、瓶子和包装袋的干货架和冷却器，并设法在98%的时间里检测出一件商品何时缺货。

“在我在麦肯锡的职业生涯中，我曾与全球领先的零售商密切合作，制定各种策略，以改善商店运营，”麦肯锡公司(McKinsey & Company)前合伙人、零售商店运营实践主管戴维•里特(David Ritter)表示。里特计划加入Pensa的顾问委员会。“我从来没有见过任何东西接近Pensa的货架库存方法。将人工智能、计算机视觉和无人机结合起来，实现可操作数据的自动化传输——这对品牌和零售商都是一种改变。”