NoaTech company logo

The profile is currenly unclaimed by the seller. All information is provided by CB Insights.

noatech.pl

Stage

Incubator/Accelerator | Alive

About NoaTech

NoaTech created the Retail Box, a product that optimizes the sales process, allowing retail usres to focus on customer service instead of cash handling. Administrative processes, such as accepting cash or issuing receipts are executed automatically, so the customer is served better.

NoaTech Headquarter Location

ul. Krasickiego 55/59

Warsaw,

Poland

Predict your next investment

The CB Insights tech market intelligence platform analyzes millions of data points on venture capital, startups, patents , partnerships and news mentions to help you see tomorrow's opportunities, today.

Expert Collections containing NoaTech

Expert Collections are analyst-curated lists that highlight the companies you need to know in the most important technology spaces.

NoaTech is included in 1 Expert Collection, including Store management tech (In-store retail tech).

S

Store management tech (In-store retail tech)

1,420 items

Startups aiming to work with retailers to improve brick-and-mortar retail store operations.

Latest NoaTech News

Inteligentną kasę w sklepie jutra Żabki zaprojektowały i zbudowały polskie firmy Plastream i NoaTech

Sep 19, 2018

Doceń i poleć nas Kiedy kilka dni temu pisałem Wam o sklepie przyszłości Żabki, określałem go jako rozwiązanie powstałe we współpracy z Microsoft. Jednak te kilka nowoczesnych rozwiązań, które już niedługo dostępne będą w sklepach Żabka to efekt pracy wielu firm. Jedna z nich Plastream odezwała się do mnie po publikacji, korzystając z tej okazji postanowiłem zadać im kilka związanych z ich dziełem, a mianowicie inteligentną kasą samoobsługową . Antyweb: Opowiedz proszę na początek o swojej firmie, wielu z Czytelników Was pewnie nie kojarzy, przyznaję, że też niewiele do tej pory o Was słyszałem. Czym się zajmujecie dokładnie w Plastream? Bartosz Aninowski: W Plastream, wykorzystujemy mechanizmy sztucznej inteligencji, machine learning i big data do detekcji i analizy obiektów znajdujących się na obrazie photo lub video. Takie rozwiązania testujemy już w branży fashion (produkt Plastream Fashion) dla zidentyfikowania części garderoby znajdujących się w materiałach photo oraz wideo i zautomatyzowanego łączenia ich z rekomendacjami odpowiednich produktów w sklepach e-commerce, a teraz światło dzienne ujrzała nasza technologia Plastream Retail przygotowana dla Żabki: szybka, samoobsługowa kasa, przygotowana we współpracy z NoaTech. Antyweb: Samoobsługowa kasa w Żabkach – miałem okazję z bliska przyjrzeć się temu rozwiązaniu. Wystarczyło położyć na niej swoje produkty, kasa je rozpoznawała i wyświetlała na ekranie z podsumowaniem zakupów i kwotą do zapłaty. Jakie tu rozwiązanie zastosowaliście? Bartosz Aninowski: Dzięki mikrokamerom umieszczonym w kasie samoobsługowej, rejestrujemy obraz z wnętrza urządzenia, który jest analizowany przy pomocy technologii deep learning. Zakupy klienta są automatycznie rozpoznawane (bez konieczności skanowania wszystkich produktów oddzielnie), a do poszczególnych produktów przyporządkowana jest cena. Antyweb: Czy taki system wymaga fizycznej obecności kasjera? Rozumiem, że klient sam może zapłacić poprzez aplikację mobilną skanując wyświetlany kod QR. To jedyny sposób płatności przy takiej kasie? Bartosz Aninowski: System nie wymaga fizycznej obecności kasjera i wyraźnie skraca, ułatwia i zdecydowanie uprzyjemnia proces zakupowy. Sam moduł nie jest jednak zależny od Plastream Retail, a od klienta. Technologia dopuszcza kilka sposobów płatności: poprzez używanie aplikacji mobilnej i QR kodu, po płatność terminalem, jak i wykorzystywanie do płatności beaconów. Antyweb: Co w przypadku, gdy dany produkt nie zostanie rozpoznany przez system? Płacimy dwa razy? W tej kasie za rozpoznane produkty i u kasjera za produkty, których nie ma w bazie? Bartosz Aninowski: Na rozwiązanie Plastream Retail składa się wiele kamer oraz wiele sieci neuronowych. System jest oparty na decyzji wielu równoległych głosów z tych analiz. Jeżeli nie ma między nimi spójnej decyzji, wiemy, że nie jesteśmy w stanie rozpoznać produktu. Możemy wtedy zakomunikować użytkownikowi, żeby ustawił ten konkretny produkt w inny sposób. Na przykład tak, żeby nie zasłaniały go inne produkty. Prawdopodobieństwo, że produkt, który nie jest niczym zasłonięty, nie zostanie rozpoznany, jest bardzo niskie. Antyweb: We wcześniejszej rozmowie zdradziłeś, że Wasze rozwiązania znajdują też zastosowania w sprzedaży online. Jakie to rozwiązania i gdzie je możemy znaleźć aktualnie w sieci? Bartosz Aninowski: Testujemy nasze rozwiązanie Plastream Fashion we współpracy z jedną z popularnych stacji telewizyjnych i podmiotami e-commerce. Nasza technologia pozwala łączyć content – materiał video lub photo – z odpowiednimi rekomendacjami produktów w sklepach online. Precyzyjnie rozpoznajemy obiekty na zdjęciu, i dzięki Similarity Search możemy znaleźć identyczne lub bardzo zbliżone dopasowania w sklepach online. Jeżeli widzimy w serialu aktorkę w pięknym płaszczu, istnieje szansa, że będziemy chcieli go nabyć: jeżeli od razu zobaczymy sugestię, gdzie możemy sfinalizować transakcję, w szybki sposób możemy zaspokoić swoje impulsy zakupowe. To sytuacja win-win-win: zarówno dla wydawcy, reklamodawcy, jak i dla najważniejszego ogniwa – klienta. W dobie “ad clutter” to właśnie reklama kontekstowa cieszy się satysfakcjonującą konwersją, a personalizowane przekazy wpływają na user experience. Wierzymy, że przyszłość leży w “kupowaniu na żądanie” i właśnie taką technologię chcemy udostępnić wydawcom i stale ją z nimi rozwijać. Dodatkowo, rozwijamy platformę dla wydawców: publisherzy mogą bezpośrednio tworzyć widgety produktowe na podstawie swoich treści, i takie widgety umieszczać w swoich kanałach. Antyweb: Pracujecie jeszcze nad jakimiś innymi nowymi rozwiązaniami związanymi z analizą obrazu, połączonej z AI i Big Data? Bartosz Aninowski: Stale testujemy nowe rozwiązania i sposoby wykorzystania naszej technologii. Rozpoczęliśmy od Plastream Fashion, widzimy ogromny potencjał w Plastream Retail, ale analiza obrazu daje dużo więcej możliwości. Metody Computer Vision osiągają dziś rezultaty na poziomie ludzkiego wzroku. Głębokie sieci neuronowe, które stosujemy mogą być wykorzystane zarówno do analizy ubioru gwiazd na zdjęciach, ale mogą też pomóc w detekcji anomalii w rurociągach czy weryfikacji uszkodzeń samochodu – z takim tematami też mieliśmy już styczność. Możliwości są nieskończone. Podobne architektury deep learning (konwolucyjne, rekurencyjne, syjamskie), na których pracujemy, znajdują zastosowanie w przeróżnych dziedzinach i dla wielu firm jest to ogromna szansa. Dlatego o AI mówi się jako o “nowej elektryczności”. Antyweb: Dziękuję za rozmowę.

Discover the right solution for your team

The CB Insights tech market intelligence platform analyzes millions of data points on vendors, products, partnerships, and patents to help your team find their next technology solution.

Request a demo

CBI websites generally use certain cookies to enable better interactions with our sites and services. Use of these cookies, which may be stored on your device, permits us to improve and customize your experience. You can read more about your cookie choices at our privacy policy here. By continuing to use this site you are consenting to these choices.