El artículo para tejer más antiguo conocido se remonta a Egipto en la Edad Media, en forma de un par de calcetines cuidadosamente elaborados. Aunque la ropa hecha a mano ha ocupado nuestros armarios durante siglos, una reciente afluencia de máquinas de tejer de alta tecnología ha cambiado la forma en que ahora creamos nuestras piezas favoritas.
Estos sistemas, fabricados con suéteres Prada o Nike, aún están lejos de estar perfectamente integrados. La programación de máquinas para patrones puede ser una prueba tediosa y complicada: cuando tiene que especificar cada punto, un error puede arruinar toda la prenda.
En una nueva publicación, los investigadores del Laboratorio de Computación e Inteligencia Artificial (CSAIL) del MIT propusieron un nuevo enfoque para simplificar el proceso: un nuevo sistema y una nueva herramienta de diseño para el I & # 39; Automatización de prendas de punto.
En un documento, un equipo creó un sistema llamado "InverseKnit", que traduce imágenes de patrones tejidos en instrucciones, que luego se usan con máquinas para hacer ropa. Tal enfoque podría permitir a los usuarios ocasionales crear diseños sin un banco de conocimientos de codificación, e incluso conciliar ineficiencias e ineficiencias en la fabricación.
"Con respecto a las máquinas y el tejido, este tipo de sistema podría cambiar la accesibilidad para los diseñadores de sus propias creaciones", dice Alexandre Kaspar, estudiante de doctorado en CSAIL y autor principal de un nuevo artículo. en el sistema "Queremos permitir que usuarios ocasionales accedan a máquinas sin la experiencia en programación para aprovechar los beneficios de la personalización mediante el uso de aprendizaje automático para el diseño y la fabricación.
En otro artículo, los investigadores desarrollaron una herramienta de diseño asistida por computadora para personalizar prendas de punto. Esta herramienta permite a los no expertos usar patrones para ajustar patrones y formas, como agregar un patrón triangular a un sombrero o rayas verticales a un calcetín. Puede imaginar a los usuarios creando objetos personalizados de acuerdo con su propio cuerpo, mientras los personalizan para su estética favorita.
InverseKnit
La automatización ya ha remodelado la industria de la moda tal como la conocemos, con posibles residuos positivos para alterar nuestra huella de fabricación.
Para que InverseKnit esté operativo, el equipo primero creó un conjunto de datos de instrucciones de tejido, junto con las imágenes correspondientes de estos patrones. Luego entrenaron a su red neuronal profunda en estos datos para interpretar instrucciones de tejido 2D a partir de imágenes.
Esto puede parecer darle al sistema la imagen de un guante, y luego el modelo producirá un conjunto de instrucciones, en el que la máquina sigue estos comandos para generar el dibujo.
Al probar InverseKnit, el equipo descubrió que producía instrucciones precisas el 94% del tiempo.
"Las últimas técnicas de visión por computadora requieren mucha información y requieren muchos ejemplos para modelar eficazmente el mundo", dijo Jim McCann, profesor asistente del Instituto de Robótica Carnegie Mellon. "Con InverseKnit, el equipo ha reunido una gran colección de datos de muestras tejidas que, por primera vez, permite el uso de técnicas modernas de visión por computadora para reconocer y analizar patrones de tejido".
Aunque el sistema actualmente funciona con una muestra pequeña, el equipo espera expandir el conjunto de muestras para usar InverseKnit a mayor escala. Actualmente, el equipo solo usó un tipo específico de alambre acrílico, pero espera probar diferentes materiales para hacer que el sistema sea más flexible.
Una herramienta para tejer
Aunque ha habido muchos desarrollos en el campo, como los procesos automatizados de tejido de Carnegie Mellon para mallas 3D, estos métodos a menudo pueden ser complejos y ambiguos. Las distorsiones inherentes a las formas 3D dificultan la comprensión de las posiciones de los elementos, lo que puede ser una carga para los diseñadores.
Para resolver este problema de diseño, Kaspar y sus colegas desarrollaron una herramienta llamada "CADKnit", que utiliza imágenes en 2D, software CAD y técnicas de edición de fotos para permitir a los usuarios ocasionales personalizar diseños para diseños de punto.
La herramienta permite a los usuarios diseñar patrones y formas en la misma interfaz. Con otros sistemas de software, puede perder el trabajo al personalizar ambos.
"Ya sea para el usuario cotidiano que quiere emular el límite de un amigo o para un subgrupo del público que podría beneficiarse del uso de esta herramienta en un contexto de fabricación, estamos apuntando para que el proceso sea más accesible para la personalización personal ", dice Kaspar.
El equipo probó la facilidad de uso de CADKnit pidiéndoles a los usuarios no expertos que creen patrones para su ropa y que ajusten su tamaño y forma. En las encuestas posteriores a la prueba, los usuarios declararon que les resultaba fácil manipular y personalizar sus calcetines o tazas haciendo con éxito varias muestras tejidas. Señalaron que los patrones de encaje eran difíciles de diseñar correctamente y que se beneficiarían de una simulación rápida y realista.
Sin embargo, el sistema es solo un primer paso hacia la personalización completa de la prenda. Los autores encontraron que la ropa con interfaces complejas entre diferentes partes, como los suéteres, no funcionaba bien con la herramienta de diseño. El baúl de los suéteres y las mangas se puede conectar de diferentes maneras, y el software aún no tenía una manera de describir el espacio de diseño completo para eso.
Además, el sistema actual solo puede usar un hilo para una forma, pero el equipo espera mejorar esto mediante la introducción de una pila de hilos en cada punto. Para trabajar con patrones más complejos y formas más grandes, los investigadores planean usar estructuras de datos jerárquicas que no integran todos los puntos, sino solo aquellos que son necesarios.
"El impacto del tejido en 3D podría ser aún más importante que el de la impresión en 3D. En la actualidad, las herramientas de diseño están frenando la tecnología. Es por eso que esta investigación es tan importante para el futuro ", dice McCann.
Kaspar presentó un artículo sobre InverseKnit junto a Tae-Hyun Oh, postdocs del MIT, y Petr Kellnhofer, Liane Makatura, estudiante de doctorado, Jacqueline Aslarus, estudiante de doctorado en MIT, y Wojciech Matusik, profesor de MIT. Fue presentado en la Conferencia Internacional sobre Aprendizaje Automático en junio pasado en Long Beach, California.
Kaspar, junto con Makatura y Matusik, lideró un documento sobre la herramienta de diseño.