Entretiens
Cam Myers, PDG et fondateur de CreateMe – Série d’entretiens
Cam Myers, PDG et fondateur de CreateMe, a lancé l’entreprise en 2019 avec une vision pour moderniser la fabrication d’habillement grâce à l’automatisation avancée. Basé dans la région de la baie de San Francisco, il apporte une expérience diversifiée qui s’étend à la conseil en investissements chez ADM Investment Partnership, au leadership dans l’équipe fondatrice de Group Commerce, ainsi qu’aux rôles de développement commercial chez Downtown Music Holdings et Publicis Groupe. Il est également membre de la communauté des innovateurs mondiaux du Forum économique mondial, reflétant son engagement plus large en faveur de la transformation industrielle impulsée par la technologie.
CreateMe est une entreprise de robotique et d’intelligence artificielle qui réinvente la façon dont les vêtements sont fabriqués en remplaçant la couture traditionnelle par un assemblage automatisé à base d’adhésifs, alimenté par la robotique, la vision par ordinateur et l’apprentissage automatique. Sa plateforme de fabrication propriétaire permet une production d’habillement plus rapide, plus localisée et plus durable, en réduisant les déchets et en raccourcissant les chaînes d’approvisionnement, tout en positionnant l’entreprise à la pointe de la fabrication de biens mous de nouvelle génération.
Avant de fonder CreateMe, vous faisiez partie d’équipes fondatrices, vous travailliez dans des rôles d’investissement et de conseil, et vous occupiez des postes dans des entreprises comme DoubleClick et Group Commerce. Comment ce mélange de technologie, de finance et d’expérience opérationnelle a-t-il façonné votre décision de lancer CreateMe et de relever un défi aussi complexe que la fabrication automatisée d’habillement ?
Avant CreateMe, je suis devenu un généraliste en technologie, travaillant sur le logiciel, le commerce électronique, l’investissement et les rôles opérationnels de démarrage. Faire partie d’équipes de démarrage, notamment Group Commerce, a été un MBA sur le tas. Vous êtes forcé de réfléchir à travers les disciplines et de voir comment la technologie, l’économie et les opérations interagissent réellement sous des contraintes réelles.
Cette perspective m’a conduit à une conclusion différente sur l’habillement. À travers les startups de commerce électronique, j’ai continué à voir les mêmes échecs se répéter : faible taux de vente, forte remise, et de grands volumes de stocks finalement écrits off ou envoyés aux décharges. La plupart des gens ont présenté ces problèmes comme des problèmes de merchandising ou de prévision. En regardant cela à travers une lentille technologique, il était clair qu’il s’agissait de symptômes de quelque chose de plus profond – des systèmes de fabrication qui ne pouvaient pas répondre à la demande réelle.
L’insight est venue de la connexion de ces points à travers les disciplines. L’habillement n’était pas cassé parce que n’importe quelle partie du système était mal gérée. Nous avons réalisé que cela n’était pas quelque chose que vous pouviez ajuster ou optimiser ; cela nécessitait une réflexion de base, une réflexion de premier principe sur les matériaux, les machines et les logiciels comme un système.
CreateMe est né de cette conviction. C’était fondamentalement un problème technologique, et il nécessitait une solution technologique. Être interdisciplinaire est ce qui a rendu cela visible dans un premier temps, et c’est pourquoi l’approche de CreateMe semble différente. Nous nous sommes efforcés de traiter la fabrication d’habillement comme un défi de systèmes et d’automatisation, et de construire une plateforme capable de changer la façon dont l’industrie fonctionne réellement.
CreateMe détient désormais un portefeuille important de brevets dans les domaines de la robotique, de la science des matériaux et de l’automatisation. Quelles étaient les premières idées techniques qui vous ont convaincu que ce problème était soluble avec l’IA physique ?
Lorsque nous avons fondé CreateMe en 2019, nous croyions qu’il y avait enfin un chemin crédible pour automatiser la fabrication d’habillement, mais uniquement si le processus lui-même était repensé. Le tissu est un matériau déformable, dépendant de l’état. Il s’étire, se déplace et change de comportement lorsqu’il est manipulé. De petites variations s’additionnent rapidement. Dans ces conditions, le contrôle en boucle ouverte et le mouvement préprogrammé se décomposent. Le problème n’était pas la précision du robot. C’était la compréhension de l’état du matériau pour agir dessus.
Nos premiers progrès réels sont venus du changement du modèle d’assemblage. En remplaçant la couture continue par le collage adhésif, nous pouvions assembler les vêtements dans un état statique, fixé, plutôt que lorsqu’ils étaient en mouvement. Cela a supprimé une source majeure de variabilité et a permis l’alignement et le raccordement d’être contrôlés directement. Combiné avec la vision traditionnelle par ordinateur, la vision par ordinateur basée sur l’apprentissage automatique, la logique basée sur des règles et la robotique, cela a rendu l’automatisation fiable possible pour un ensemble défini d’opérations. Cela a prouvé quelque chose d’important dès le départ : les matériaux déformables pouvaient être manipulés mécaniquement si le processus était structuré correctement.
Ces premiers systèmes ont également montré les limites. La vision par ordinateur basée sur des règles traditionnelles fonctionne bien lorsque la géométrie est simple et les conditions sont étroitement contraintes. Ils ne s’étendent pas aux problèmes les plus difficiles de l’habillement, en particulier au raccordement tridimensionnel complexe où la forme du tissu, l’orientation et le contact évoluent en continu dans l’espace. L’automatisation complète de ces opérations n’était simplement pas réalisable avec les outils de perception et de modélisation disponibles à l’époque.
C’est là que l’IA physique a commencé à changer l’équation. Les progrès de la perception, du sensing et de l’intelligence incarnée rendent maintenant possible de comprendre les matériaux déformables en trois dimensions et de fermer la boucle entre la vision, la décision et l’action. Nous sommes encore dans les premiers stades de l’application de ces modèles à l’assemblage physique, mais même les premières mises en œuvre sont déjà en train d’élargir la gamme de vêtements, de tissus et d’opérations de raccordement 3D complexes qui peuvent être automatisées. Au lieu de scripter le comportement, le système peut de plus en plus raisonner sur l’état du matériau, s’adapter en temps réel et exécuter les opérations de raccordement de bout en bout. Chaque opération de collage génère des données sur la façon dont un textile répond à la force, à la chaleur et à la géométrie, ce qui permet d’améliorer les performances et de les généraliser à l’aide.
En bref, nos outils précoces ont prouvé la faisabilité. L’IA physique est ce qui débloque la complétude et l’échelle. Cette progression, de l’automatisation scriptée à l’assemblage intelligent de bout en bout, est ce qui nous a convaincus que le problème n’était pas seulement soluble, mais extensible à travers les vêtements et les matériaux. La largeur de notre portefeuille de brevets reflète ce chemin. Résoudre l’assemblage de matériaux déformables a nécessité des inventions dans la robotique, la science des matériaux et l’automatisation, avec l’IA physique ouvrant les formes les plus complexes de raccordement.
La fabrication d’habillement a longtemps résisté à une automatisation complète en raison de la complexité des biens mous. Quels sont les progrès qui ont permis à CreateMe de franchir enfin ce seuil ?
Pour CreateMe, le franchissement du seuil d’automatisation a été impulsé par deux changements liés : la façon dont les vêtements sont assemblés physiquement et la façon dont les machines perçoivent et agissent sur le tissu pendant cet assemblage.
La première percée a été architecturale. En passant de la couture au collage adhésif, nous avons éliminé le besoin d’accéder aux deux côtés du tissu pendant l’assemblage. Les vêtements peuvent être construits en utilisant un accès à un seul côté, dans un état statique, fixé, plutôt que d’être pliés, retournés et tendus à travers une machine à coudre. Cela a réduit considérablement la complexité de la manipulation et a supprimé une source majeure de variabilité. Avec le tissu pris en charge et accessible d’un seul côté, l’alignement et le raccordement sont devenus des problèmes contrôlables, et la vision traditionnelle par ordinateur et la robotique pouvaient automatiser de manière fiable une partie importante de la construction du vêtement.
Cette approche a également clarifié le défi restant. Lorsque nous sommes passés à des raccordements tridimensionnels plus complexes – où les surfaces se rencontrent à des angles changeants et le comportement du matériau change lors du contact – les approches basées sur des règles et la vision traditionnelle par ordinateur ont atteint leurs limites. L’automatisation complète sur toute la variabilité des vêtements et des tissus nécessitait une perception et un contrôle plus adaptatifs.
C’est là que l’IA physique joue un rôle critique. Les progrès de la perception, du sensing et du contrôle incarné rendent possible l’interprétation de la géométrie du tissu et de l’état du matériau en trois dimensions et de répondre en temps réel pendant l’assemblage. Chez CreateMe, même les premières applications de ces capacités sont en train d’élargir la gamme de vêtements, de tissus et d’opérations de raccordement 3D complexes qui peuvent être automatisées avec une intervention minimale.
En bref, la révision du processus a rendu l’automatisation réalisable. L’IA physique est ce qui permet à cette automatisation de se rapprocher de l’exploitation de bout en bout et d’évoluer à l’échelle, permettant à la fabrication d’habillement de dépasser l’automatisation étroite et de se diriger vers des systèmes qui s’améliorent à mesure que la complexité augmente.
MeRA™ introduit une approche d’assemblage modulaire et robotique pour la production de vêtements. Comment ce système diffère-t-il fondamentalement de l’automatisation traditionnelle de l’usine ?
MeRA™ diffère fondamentalement de l’automatisation traditionnelle de l’usine car il a été conçu autour des contraintes spécifiques de la fabrication d’habillement, plutôt que d’être adapté d’industries construites sur des pièces rigides et des processus stables.
L’automatisation conventionnelle suppose une géométrie fixe, des matériaux prévisibles et une variabilité limitée. Le changement de modèle est géré par des configurations intensives en outillage, des contraintes mécaniques et des fixations de processus spécifiques. Ce modèle fonctionne lorsque les produits changent rarement. Il se brise dans l’habillement, où les matériaux sont déformables, les styles changent rapidement et la production doit fonctionner à haute vélocité pour être économiquement viable.
MeRA™ part de hypothèses opposées. La fabrication d’habillement nécessite un système capable de gérer des matériaux mous, une variation constante et des changements de production fréquents sans arrêter la production. Pour cela, MeRA™ utilise une architecture d’assemblage modulaire et définie par logiciel. Chaque module effectue une opération discrète et peut être reconfiguré, dupliqué ou redéployé à mesure que les produits, les tissus ou les volumes changent. Le changement de modèle se produit numériquement, dans le logiciel, plutôt que par reconfiguration physique.
Architecturalement, MeRA™ est conçu pour maximiser à la fois la vitesse et le contrôle. L’assemblage est maintenu en deux dimensions le plus longtemps possible, où la vision, l’alignement et le mouvement sont les plus rapides et les plus précis, avant de passer à des opérations tridimensionnelles étroitement contrôlées uniquement lorsque la formation ou le raccordement nécessite. L’automatisation traditionnelle pousse les pièces à travers des cellules de travail 3D fixes ; MeRA™ minimise la complexité 3D par conception pour préserver le débit.
Associé au collage adhésif numérique, MeRA™ remplace le raccordement mécaniquement contraint par une opération programmable et à accès unilatéral. Il n’y a pas besoin de retourner les vêtements, de gérer la tension continue ou d’accéder aux deux côtés du processus. Cela réduit le temps de cycle, diminue les taux d’erreur et permet un changement de production numérique rapide à travers les vêtements et les tissus.
En bref, l’automatisation traditionnelle code le processus dans le matériel. MeRA™ définit le processus dans le logiciel et l’adapte au matériau. Ce déplacement – de la reconfiguration physique au changement de production numérique, et des flux de travail fixes à l’assemblage modulaire – est ce qui permet à MeRA™ de fonctionner à la vitesse et à la variabilité que l’habillement exige.
Pixel™ remplace la couture par un collage adhésif microscopique. Au-delà de la vitesse et de l’efficacité, quelles nouvelles possibilités de conception ou de performance cela débloque-t-il pour les marques d’habillement ?
Pixel™ redéfinit la construction d’habillement à la couture. En remplaçant la couture par un collage adhésif microscopique contrôlé numériquement, les marques gagnent une précision et une cohérence bien plus grandes, ce qui donne des vêtements plus lisses, plus solides et plus confortables à porter. Puisque le processus est défini par logiciel, les coutures deviennent une surface de conception plutôt qu’une contrainte, permettant à l’étirement, à la gestion de l’humidité, à la régulation thermique et au renforcement léger d’être intégrés directement dans la structure du vêtement.
Ces avantages s’étendent au-delà de la façon dont un vêtement se comporte sur le corps. La même commande numérique qui permet les performances permet également de concevoir l’habillement pour la fin de vie dès le départ. Avec notre formulation d’adhésif Thermo(re)set™, les liaisons peuvent être inversées, permettant un démontage automatisé et un recyclage textile à grande échelle. Pour les marques, Pixel™ rend la conception, les performances et la circularité des résultats intégrés de la construction elle-même, et non des priorités concurrentes superposées après coup.
Il y a beaucoup d’hypothèses autour de l’IA physique en ce moment. De votre point de vue, où l’IA physique fonctionne-t-elle réellement aujourd’hui, et où la réalité est-elle encore en retard par rapport aux attentes ?
L’IA physique fonctionne aujourd’hui lorsque les problèmes sont structurés pour l’intelligence plutôt que pour la force brute. Nous voyons de réels progrès dans les environnements où la perception, l’apprentissage et le contrôle sont déployés ensemble à l’intérieur de systèmes conçus – des endroits où les tâches sont répétitives mais nécessitent encore une adaptation, et où la machine peut réellement observer et raisonner sur ce qui compte.
Là où les attentes sont encore en retard par rapport à la réalité, c’est autour de l’intelligence incarnée à usage général. Les matériaux mous, déformables, restent l’un des problèmes les plus difficiles de la robotique, car ils introduisent une observabilité partielle, un comportement non linéaire et une variation constante. L’IA physique n’est pas un remplacement direct de la dextérité humaine, et elle ne réussit pas dans des environnements chaotiques ou hérités par défaut.
Dans la pratique, la différence vient de la conception. L’IA physique fonctionne lorsque le processus physique a été délibérément repensé pour réduire l’incertitude – lorsque l’accès est simplifié, les états sont observables et la variabilité est gérée par l’architecture plutôt que d’être ignorée. Dans ces conditions, les systèmes d’apprentissage peuvent s’adapter et s’améliorer. Sans cela, l’IA ne fait que compenser une mauvaise conception physique.
C’est la lentille que nous appliquons chez CreateMe. Nous ne traitons pas l’IA physique comme un raccourci pour contourner la complexité de la fabrication. Nous la traitons comme une couche d’échelle qui ne fonctionne qu’une fois que le système d’assemblage sous-jacent a été repensé à partir de principes fondamentaux. La leçon que nous avons apprise est simple : l’IA physique s’étend lorsque le monde physique a été conçu pour laisser l’intelligence faire un travail réel.
Avec les droits de douane, les risques géopolitiques et la fragilité de la chaîne d’approvisionnement devenant des problèmes structurels, comment des technologies comme MeRA™ changent-elles l’économie de la réimplantation de la fabrication aux États-Unis ?
Pour CreateMe, le franchissement du seuil d’automatisation a été impulsé par deux changements liés : la façon dont les vêtements sont assemblés physiquement et la façon dont les machines perçoivent et agissent sur le tissu pendant cet assemblage.
La première percée a été architecturale. En passant de la couture au collage adhésif, nous avons éliminé le besoin d’accéder aux deux côtés du tissu pendant l’assemblage. Les vêtements peuvent être construits en utilisant un accès à un seul côté, dans un état statique, fixé, plutôt que d’être pliés, retournés et tendus à travers une machine à coudre. Cela a réduit considérablement la complexité de la manipulation et a supprimé une source majeure de variabilité. Avec le tissu pris en charge et accessible d’un seul côté, l’alignement et le raccordement sont devenus des problèmes contrôlables, et la vision traditionnelle par ordinateur et la robotique pouvaient automatiser de manière fiable une partie importante de la construction du vêtement.
Cette approche a également clarifié le défi restant. Lorsque nous sommes passés à des raccordements tridimensionnels plus complexes – où les surfaces se rencontrent à des angles changeants et le comportement du matériau change lors du contact – les approches basées sur des règles et la vision traditionnelle par ordinateur ont atteint leurs limites. L’automatisation complète sur toute la variabilité des vêtements et des tissus nécessitait une perception et un contrôle plus adaptatifs.
C’est là que l’IA physique joue un rôle critique. Les progrès de la perception, du sensing et du contrôle incarné rendent possible l’interprétation de la géométrie du tissu et de l’état du matériau en trois dimensions et de répondre en temps réel pendant l’assemblage. Chez CreateMe, même les premières applications de ces capacités sont en train d’élargir la gamme de vêtements, de tissus et d’opérations de raccordement 3D complexes qui peuvent être automatisées avec une intervention minimale.
En bref, la révision du processus a rendu l’automatisation réalisable. L’IA physique est ce qui permet à cette automatisation de se rapprocher de l’exploitation de bout en bout et d’évoluer à l’échelle, permettant à la fabrication d’habillement de dépasser l’automatisation étroite et de se diriger vers des systèmes qui s’améliorent à mesure que la complexité augmente.
Comment les marques d’habillement devraient-elles repenser la conception de produits lorsque les contraintes de fabrication ne sont plus les mêmes qu’elles l’étaient dans les environnements de coupe et de couture traditionnels ?
La conception d’habillement traditionnelle reflète la logique prédominante de la fabrication de coupe et de couture : accès aux deux côtés, pénétration de l’aiguille, marges de couture dimensionnées pour les mains humaines, et méthodes de construction optimisées pour la répétition manuelle. Ce ne sont pas des exigences inhérentes aux vêtements ; ce sont des artefacts de la façon dont les vêtements ont été fabriqués.
L’assemblage automatisé et collé introduit une logique de conception différente. Concevoir pour l’automatisation signifie supposer un accès unilatéral, un dépôt d’adhésif contrôlé numériquement et une exécution très reproductible. Cela permet des tolérances de couture internes plus petites, des lignes de colle plus précises et des assemblages de plus bas profil qui sont à la fois solides et esthétiquement plus propres que les équivalents cousus.
Puisque l’adhésif est dispensé plutôt que cousu, les concepteurs peuvent travailler en confiance avec des bords complexes et irréguliers, des géométries fluides et des conversions ou des laminations de tissus qui seraient difficiles ou impossibles à reproduire avec la couture. La complexité visuelle n’a plus besoin d’être soutenue par la masse physique. Le résultat est un langage de construction plus minimaliste et raffiné qui est natif de l’automatisation plutôt que adapté du travail manuel.
Cette approche élargit également la liberté des matériaux. Contrairement au ruban de couture, qui est généralement à haute température et largement limité aux synthétiques, le dépôt d’adhésif permet l’automatisation sur une large gamme de tissus, y compris les organiques et les matériaux délicats tels que le cachemire, la soie, la laine et le cuir. La sélection des matériaux se déplace de “ce qui peut être cousu de manière fiable” à “ce qui sert le mieux au produit”.
Dans ce contexte, concevoir pour l’automatisation n’est pas restrictif ; c’est génératif. L’intention créative, l’expression esthétique et la logique de fabrication sont alignées dès le départ. La conception devient à la fois plus précise et plus expressive, avec l’automatisation gérant la cohérence et l’exécution tandis que les concepteurs se concentrent sur la forme, la fonction et la différenciation.
Quelle est la place de l’humain à l’intérieur d’une usine d’habillement hautement automatisée, et quels sont les nouveaux compétences qui deviennent critiques à mesure que la robotique prend en charge les tâches répétitives ?
Dans une usine d’habillement hautement automatisée, le rôle de l’humain se déplace de l’exécution manuelle répétitive vers l’exploitation, la supervision et l’amélioration des systèmes d’assemblage automatisés de bout en bout. Au lieu de longues lignes de couture, de petites équipes sont organisées autour de cellules robotiques, avec des techniciens de fabrication, des superviseurs de cellules et des spécialistes de processus responsables des performances, de la qualité et du temps d’activité sur l’ensemble du flux de production.
Les techniciens de fabrication travaillent main dans la main avec la robotique, les systèmes de vision et les équipements de collage adhésif. Ils surveillent les cellules robotiques, règlent les chemins de dépôt et les paramètres de collage, gèrent les interactions de matériaux à travers différents tissus et interviennent lorsque la variabilité ou les cas limites se présentent. L’assurance qualité est continue plutôt que prise au hasard : les systèmes de vision inspectent la pose, l’alignement et la cohérence du collage en temps réel, tandis que les humains supervisent les seuils, interprètent les anomalies et décident quand et comment ajuster le processus.
Ce modèle livre une qualité et une reproductibilité nettement supérieures à la production manuelle. Le dépôt et la pose automatisés réduisent la variabilité, tandis que l’assurance qualité numérique permet une exécution cohérente sur chaque unité plutôt que de compter sur l’inspection en aval. Le jugement humain est appliqué là où il ajoute le plus de valeur – évaluer les exceptions, affiner les tolérances et améliorer les performances du système au fil du temps.
La réalisation de cela nécessite un modèle de formation et de développement des compétences délibéré, intégré directement dans les opérations de fabrication. Les travailleurs sont formés pour lire les tableaux de bord de production, interpréter les données de vision et de capteurs, comprendre les métriques de qualité de collage et collaborer en toute sécurité avec les systèmes robotiques. Ils apprennent comment le comportement de l’adhésif, les propriétés des matériaux et les paramètres de processus interagissent, et comment ces variables se manifestent dans les données de qualité.
Au fil du temps, le développement des compétences progresse de l’exploitation de base du système à une propriété plus profonde du processus. Grâce à une formation structurée sur le tas, des modules de certification et un mentorat, les techniciens développent des compétences en analyse de cause racine, en maintenance préventive et en amélioration continue. Le résultat est une main-d’œuvre techniquement fluente capable de maintenir une production de haute qualité et reproductible à grande échelle – une main-d’œuvre où l’automatisation élève à la fois la cohérence du produit et la capacité humaine, plutôt que de la remplacer.
En regardant cinq à dix ans à l’avance, comment voyez-vous l’IA physique remodeler non seulement l’habillement, mais la fabrication dans son ensemble – et où souhaitez-vous que CreateMe ait l’impact le plus important ?
Notre point de vue est que la plus grande opportunité pour l’IA physique dans la fabrication au cours des cinq à dix prochaines années réside dans les tâches présentant la variabilité et la complexité les plus élevées, et non dans les domaines déjà bien servis par l’automatisation rigide. Parmi les problèmes les plus difficiles se trouvent ceux où les matériaux sont mous, flexibles ou tridimensionnels, et où la variabilité du monde réel a historiquement limité l’automatisation.
Ce défi est le plus aigu dans l’assemblage de matériaux mous. L’habillement est l’exemple le plus clair, mais les mêmes dynamiques existent dans les produits électroniques grand public avec des composants flexibles, dans les produits médicaux, dans les meubles et dans les intérieurs automobiles. Dans ces catégories, la couture et l’assemblage de biens mous représentent le contenu de main-d’œuvre le plus élevé et restent la partie la moins automatisée du processus de fabrication.
De notre point de vue, les premiers progrès de l’IA physique seront impulsés par des systèmes fortement verticalisés. La conception mécanique et les formes factorielles de la robotique seront affinées pour des applications et des matériaux spécifiques, plutôt que des incarnations généralisées. Ce qui s’étend à travers ces verticaux, ce n’est pas le matériel, mais l’intelligence : les systèmes de perception, de contrôle et d’apprentissage qui permettent aux machines de comprendre les matériaux déformables, d’aligner les bords complexes, de s’adapter à la variabilité et d’exécuter des opérations de collage de manière fiable.
Au cours des dix prochaines années et au-delà, nous croyons que des incarnations plus généralisées et humanoïdes deviendront de plus en plus prévalentes à mesure que l’intelligence incarnée mûrit et que le déploiement s’accélère. À mesure que les robots humanoïdes passent de pilotes à des millions, et potentiellement des dizaines de millions, d’unités déployées au cours de la prochaine décennie, les peaux externes textiles et les couches externes souples deviendront des systèmes d’interface homme-machine critiques. Répondre à cette demande à grande échelle nécessitera un collage adhésif natif de l’automatisation, ouvrant une nouvelle catégorie industrielle dans la fabrication intelligente de matériaux mous.
C’est dans ce contexte que la vision de CreateMe s’inscrit.
La vision de CreateMe est de conduire la transformation de l’assemblage de matériaux mous. De rendre l’assemblage automatisé de textiles et de matériaux flexibles aussi programmable, évolutif et adaptable que le logiciel. Même si les mises en œuvre mécaniques et robotiques varieront par secteur d’activité à court terme, le défi fondamental reste le même : la manipulation de matériaux mous et la couture résistent à l’automatisation traditionnelle.
Ce qui unit ces marchés est un ensemble de capacités d’IA physique partagées – les systèmes qui régissent la perception, la manipulation de matériaux déformables, l’alignement des bords, la logique de collage et l’assemblage adaptatif à travers les tissus et les formes. En prouvant cette capacité dans l’habillement, l’un des environnements de fabrication les plus exigeants, CreateMe vise à débloquer l’automatisation sur un large éventail d’industries et à permettre à la fois la prochaine génération de fabrication de biens mous et les interfaces souples qui entoureront de plus en plus les machines intelligentes.
Je vous remercie pour cette grande interview et vos réponses détaillées, les lecteurs qui souhaitent en savoir plus devraient visiter CreateMe.
