Diseño e implementación de un módulo de detección y clasificación de características de clientes, basado en visión computacional, para un robot promotor de una tienda física

Abstract

El presente trabajo tiene como objetivo diseñar e implementar un módulo de detección y clasificación de características de clientes basado en visión computacional, aplicado a la versión 2.0.0 del robot Alicia, desarrollado por ENCODELYT. Este robot busca mejorar la interacción con consumidores en puntos de venta físicos mediante la personalización de experiencias, ajustando promociones en función de atributos detectados como edad, género y emociones.

El documento aborda el contexto y los desafíos que enfrenta el marketing físico en el retail. Se destaca cómo las estrategias tradicionales, aunque efectivas en el pasado, presentan limitaciones en la personalización y medición de impacto de las campañas. La solución propuesta integra modelos de visión computacional y computación en la nube para superar estas barreras, proporcionando un enfoque innovador y basado en datos.

El diseño del sistema se centra en una arquitectura híbrida que combina modelos locales y en la nube. En el robot, se implementa un modelo YOLOv11 optimizado para detección de rostros, mientras que la clasificación de atributos como género, edad y emociones se realiza mediante Amazon Rekognition en la nube de AWS. Los datos recopilados se integran en dashboards interactivos construidos con Amazon Quicksight, proporcionando a las marcas métricas clave para evaluar el rendimiento de las campañas en tiempo real.

Para el desarrollo de este trabajo se sigue una metodología ágil enfocada en la innovación, buscando un proceso de desarrollo altamente activo y gestionado. En términos de resultados, el robot Alicia versión 2.0.0 fue testeado en la Feria Food & Service 2024, logrando interactuar con miles de consumidores durante el evento. Los datos recopilados permitieron identificar patrones de comportamiento y preferencias de los clientes, destacando su potencial para transformar el marketing físico en una actividad basada en datos (Data-Driven).

Entre los hallazgos más relevantes se incluye la capacidad del sistema para personalizar las interacciones según las características del cliente y generar reportes detallados que ayudan a las marcas a optimizar sus estrategias de promoción. Este proyecto representa un paso significativo hacia la integración de inteligencia artificial y visión computacional en el sector retail, con amplias oportunidades para optimizar recursos y maximizar el retorno de inversión.