生物特征自主感知和学习系统主要解决在开放空间里对消费者身份的识别问题，将顾客的生物特征与淘宝ID进行绑定，以实现对顾客的身份确认。
结算意图识别和交易系统 ，如前文所言的结算门，它是由两道门组成，对商品的识别过程就是在这两道门之间完成的，阿里的这套系统究竟是通过RFID技术还是机器视觉识别来完成对商品识别的，目前谜底还未揭晓，但是机器视觉识别的可能性更大一些。
目标检测与追踪系统则主要是追踪消费者在店内的行为及运动轨迹，该功能主要依赖多路监控摄像头。通过捕捉消费者的行为判断其对特定商品的态度，或通过对诸多消费者在店内的运动轨迹、或在特定货架前的停留时间来指导商家调整货品的陈列方式等。
阿里的淘咖啡与Amazon Go有非常相似支出，原来这主要归咎于Amazon Go的研发负责人任小枫带领团队加入阿里的缘故了，所以淘咖啡相比于Amazo升级改进。
亚马逊的Amazon Go
这场无人零售店的竞赛，在2016年底由亚马逊开出第一枪。当时，亚马逊筹备4年后正式推出带实验性质的Amazon Go，“拿了就走”是其核心卖点。尽管是个半成品，但无不体现黑科技范：消费者进门、选购、结算、离开全流程实现无人化操作。具体来说，亚马逊的免结账购物体验利用了与无人驾驶汽车同样类型的技术：计算机视觉、传感器和深度学习。
Amazon Go 的商品摆设与普通零售店亦基本一致，主要销售即食早餐、午餐和晚餐，以及每天新鲜的小点心。此外还包括面包、牛奶、手工奶酪和本地制作的巧克力等。
消费者在进入Amazon Go进行购物时首先需要一个亚马逊帐号，并在自己的智能手机上安装亚马逊的应用软件，用户打开手机并进入商店后，在入口处会对顾客进行人脸识别，确认用户身份。当消费者在货架前停留并选择商品时，摄像头会捕捉并记录顾客拿起或放下的商品，同时，置于货架上的摄像头会通过手势识别判断顾客是否将货物置于购物篮还是只是看看然后放回原处。
对于用户购物信息的统计，则是通过货架上的红外传感器、压力感应装置(确认哪些商品被取走)及荷载传感器(用于记录哪些商品被放回原处)，用户所采购的商品数据会实时传输至 Amazon Go商店的信息中枢，不会有任何延迟，顾客付账时直接离店就可，传感器会扫描并记录下消费者购买的商品，同时自动在消费者的账户上结算出相应的金额。
Amazon Go最大的亮点是顾客拿走或者放回物品的同时，用户手机里的系统(该系统与Amazon Go商店的信息中枢无延迟地同步进行更新)会自动更新清单，然后用户直接离开商店即可。
从技术上讲，Amazon Go主要运用了机器视觉、深度学习算法和传感器融合技术。据悉，早在2013年、2014年，亚马逊就提交了两份核心专利，即“侦测物体互动和移动”(Detecting item interaction and movement)和“物品从置物设备上的转移”(Transitioning items from the materials handling facility)，现在看来，正是这两项专利技术促成了Amazon Go的诞生。
一般而言，如果从顾客的角度来判断购买行为显然会非常复杂，但从货架的角度来看就要简单得多，此时的核心动作只有两种，即拿走或放回，Amazon Go是如何做到的呢?首先货架前的摄像头会采集用户手在进入货架平面前的图像，当用户手在货架上拿上商品离开时，此时的图像亦会被采集，然后将两次采集的图像进行对比，判断出用户是拿出货物还是放入货物。
前述只探讨了物品的拿出与放回，那么如何判断被拿出或者放回的物品是什么呢?对被拿走的商品，可分两种情况，即物品处于原本所在的位置上，此时商品直接被标识于系统中，只需利用传感器即可感知到该物品被拿走;当商品与原本位置不一致时(通过图像识别该位置与现有商品不一致时)，尽管Amazon Go系统会对错放商品进行图片对比检索(与数据库内的图片进行比较)识别，但Amazon Go此时往往无法很好地对商品进行识别，这是Amazon Go的一个BUG，当然出现这种情况时，Amazon Go会提醒工作人员将商品放回正确的位置了。
最后，Amazon Go内的商品是如何实现与人关联的?这就需要依靠室内定位技术。Amazon Go定位依靠的是图像分析以及音频来实现的，首先通过店内的摄像头检测用户及其方位，同时商店货架或者天花板内的多个音频根据各声音时差分析出用户的位置，此外，用户手机的GPS以及WIFI信号亦能协助定位的实现。
需要说明的是，Amazon Go目前定位上存在一些技术问题，比如较多顾客拥挤在一个区域时，此时的图像分析会对系统GPU形成高负荷，而其他定位技术亦会因精度问题导致误差，此时定位的可靠性会大打折扣，这也是后续Amazon需要持续解决的问题。
这篇是传感器技术的原创文章，怎么成什么冷血的爱了，要求小编纠错