Cam Myers, CEO e fondatore di CreateMe – Serie di interviste

Cam Myers, CEO e fondatore di CreateMe, ha lanciato l’azienda nel 2019 con la visione di modernizzare la produzione di abbigliamento attraverso l’automazione avanzata. Con sede nella San Francisco Bay Area, porta con sé un background diversificato che comprende consulenza per gli investimenti presso ADM Investment Partnership, leadership nel team di fondazione di Group Commerce e ruoli di sviluppo aziendale presso Downtown Music Holdings e Publicis Groupe (PU4.DE ). È anche membro della comunità degli innovatori globali del World Economic Forum, riflettendo il suo impegno più ampio per la trasformazione industriale guidata dalla tecnologia.

CreateMe è un’azienda di robotica e intelligenza artificiale che sta reinventando il modo in cui vengono prodotti i vestiti, sostituendo la cucitura tradizionale con l’assemblaggio automatizzato basato su adesivi, alimentato da robotica, visione computerizzata e apprendimento automatico. La sua piattaforma di produzione proprietaria consente una produzione di abbigliamento più veloce, più localizzata e più sostenibile, riducendo gli sprechi e accorciando le catene di approvvigionamento, posizionando l’azienda all’avanguardia della prossima generazione di produzione di beni di consumo morbidi.

Prima di fondare CreateMe, faceva parte di team di fondazione, lavorava in ruoli di investimento e consulenza e ricopriva posizioni in aziende come DoubleClick e Group Commerce. Come ha influenzato questa miscela di tecnologia, finanza e esperienza operativa la sua decisione di avviare CreateMe e affrontare qualcosa di così complesso come la produzione automatizzata di abbigliamento?

Prima di CreateMe, ho iniziato come generalista della tecnologia, lavorando nel software, nel commercio elettronico, negli investimenti e nei ruoli operativi di primo livello. Fare parte di team di startup, come Group Commerce, è stato un MBA sul campo. Devi pensare attraverso discipline e vedere come la tecnologia, l’economia e le operazioni interagiscono realmente sotto vincoli reali.

Quella prospettiva mi ha portato a una conclusione diversa sull’abbigliamento. Attraverso le startup di commercio elettronico, continuavo a vedere gli stessi fallimenti ripetersi: basso tasso di vendita, sconti pesanti e grandi volumi di inventario alla fine scritti fuori o inviati in discarica. La maggior parte delle persone li ha inquadrati come problemi di merchandising o di previsione. Guardandoli attraverso una lente tecnologica, era chiaro che erano sintomi di qualcosa di più profondo – sistemi di produzione che non potevano rispondere alla domanda reale.

L’idea è venuta dal collegamento di quei punti attraverso le discipline. L’abbigliamento non era rotto perché una parte qualsiasi del sistema era gestita male. Ci siamo resi conto che non era qualcosa che potesse essere regolato o ottimizzato; richiedeva un ripensamento radicale, partendo da zero, dei materiali, delle macchine e del software come un sistema unico.

CreateMe è nato da quella convinzione. Questo era fondamentalmente un problema tecnologico, e aveva bisogno di una soluzione tecnologica. Essere interdisciplinari è ciò che lo ha reso visibile per la prima volta, ed è il motivo per cui l’approccio di CreateMe sembra diverso. Ci siamo impegnati a trattare la produzione di abbigliamento come una sfida di sistemi e automazione, e a costruire una piattaforma in grado di cambiare il modo in cui funziona l’industria.

CreateMe detiene ora un portfolio significativo di brevetti in robotica, scienza dei materiali e automazione. Quali sono stati i primi insight tecnici che vi hanno convinto che questo problema era risolvibile con l’Intelligenza Artificiale Fisica?

Quando abbiamo fondato CreateMe nel 2019, credevamo che ci fosse finalmente un percorso credibile per l’automazione della produzione di abbigliamento, ma solo se il processo stesso veniva ripensato. Il tessuto è un materiale deformabile, dipendente dallo stato. Si allunga, si sposta e cambia comportamento mentre viene maneggiato. Piccole variazioni si sommano rapidamente. In quelle condizioni, il controllo a ciclo aperto e il moto preprogrammato si rompono. Il problema non era la precisione del robot. Era capire lo stato del materiale abbastanza da agire su di esso.

I nostri primi progressi reali sono venuti dal cambiamento del modello di assemblaggio. Sostituendo la cucitura continua con la saldatura adesiva, abbiamo potuto assemblare i capi in uno stato statico e fissato, piuttosto che mentre il tessuto era in movimento. Ciò ha rimosso una fonte di variabilità e ha permesso l’allineamento e la giunzione di essere controllati direttamente. Combinato con la visione computerizzata tradizionale, l’apprendimento automatico basato sulla visione computerizzata, la logica basata su regole e la robotica, questo ha reso possibile l’automazione affidabile per un insieme definito di operazioni. Ha dimostrato qualcosa di importante fin dall’inizio: i materiali deformabili potevano essere gestiti meccanicamente se il processo era strutturato correttamente.

Quei primi sistemi hanno anche reso chiari i limiti. La visione computerizzata basata su regole funziona bene quando la geometria è semplice e le condizioni sono strettamente vincolate. Non si estendono ai problemi più difficili nell’abbigliamento, specialmente le giunzioni tridimensionali complesse dove la forma del tessuto, l’orientamento e il contatto evolvono continuamente nello spazio. L’automazione end-to-end di quelle operazioni non era raggiungibile con gli strumenti di percezione e modellazione disponibili al momento.

È lì che l’Intelligenza Artificiale Fisica ha iniziato a cambiare l’equazione. I progressi nella percezione, nella sensazione e nell’intelligenza incorporata rendono ora possibile comprendere i materiali deformabili in tre dimensioni e chiudere il ciclo tra vedere, decidere e agire. Siamo ancora all’inizio dell’applicazione di questi modelli all’assemblaggio fisico, ma anche le prime implementazioni stanno già espandendo la gamma di capi, tessuti e operazioni di giunzione complesse tridimensionali che possono essere automatizzate. Invece di scrivere comportamenti, il sistema può sempre più ragionare sullo stato del materiale, adattarsi in tempo reale ed eseguire operazioni di giunzione end-to-end. Ogni operazione di giunzione saldata genera dati su come un tessuto risponde alla forza, al calore e alla geometria, il che consente al rendimento di migliorare e generalizzare attraverso l’uso.

In breve, i nostri primi strumenti hanno dimostrato la fattibilità. L’Intelligenza Artificiale Fisica è ciò che sta sbloccando la completezza e la scala. Quella progressione, dall’automazione scriptata all’assemblaggio intelligente end-to-end, è ciò che ci ha convinto che il problema non fosse solo risolvibile, ma estensibile attraverso capi e materiali. L’ampiezza del nostro portfolio di brevetti riflette quel percorso. Risolvere l’assemblaggio di materiali deformabili ha richiesto invenzioni attraverso la robotica, la scienza dei materiali e l’automazione, con l’Intelligenza Artificiale Fisica che apre le forme più complesse di giunzione.

La produzione di abbigliamento ha a lungo resistito all’automazione completa a causa della complessità dei beni di consumo morbidi. Quali sono stati i progressi che hanno permesso a CreateMe di superare finalmente quella soglia?

Per CreateMe, superare la soglia dell’automazione è stato guidato da due cambiamenti correlati: come vengono assemblati fisicamente i capi e come le macchine percepiscono e agiscono sul tessuto durante quell’assemblaggio.

Il primo progresso è stato architettonico. Passando dalla cucitura alla saldatura adesiva, abbiamo eliminato la necessità di accedere a entrambi i lati del tessuto durante l’assemblaggio. I capi possono essere costruiti utilizzando l’accesso a un solo lato, in uno stato statico e fissato, piuttosto che essere piegati, capovolti e tesi attraverso una macchina da cucire. Ciò ha ridotto notevolmente la complessità della manipolazione e ha rimosso una fonte di variabilità. Con il tessuto supportato e accessibile da un lato, l’allineamento e la giunzione sono diventati problemi controllabili, e la visione computerizzata tradizionale e la robotica potevano automatizzare in modo affidabile una parte significativa della costruzione del capo.

Da principio, questo è fondamentalmente più automatizzabile della cucitura robotica. La cucitura tenta di replicare l’agilità umana in movimento continuo mentre il tessuto si deforma attivamente. L’assemblaggio basato su adesivi riformula il problema intorno alla posizione controllata e alle giunzioni discrete, che è molto più adatta alla robotica.

Questo approccio ha anche chiarito la sfida rimanente. Mentre ci siamo mossi verso giunzioni tridimensionali più complesse – dove le superfici si incontrano ad angoli che cambiano e il comportamento del materiale si sposta mentre si verifica il contatto – gli approcci basati su regole e visione computerizzata tradizionale hanno raggiunto i loro limiti. L’automazione end-to-end su tutta la variabilità dei capi e dei tessuti richiedeva una percezione e un controllo più adattivi.

È lì che l’Intelligenza Artificiale Fisica gioca un ruolo critico. I progressi nella percezione, nella sensazione e nel controllo incorporato rendono possibile interpretare la geometria del tessuto e lo stato del materiale in tre dimensioni e rispondere in tempo reale durante l’assemblaggio. Anche le prime applicazioni di queste capacità stanno già espandendo la gamma di capi, tessuti e operazioni di giunzione complesse tridimensionali che possono essere automatizzate con un intervento minimo.

In breve, la progettazione del processo ha reso l’automazione fattibile. L’Intelligenza Artificiale Fisica è ciò che consente a quell’automazione di muoversi verso l’operazione end-to-end e di scalare sulla variabilità del mondo reale, consentendo alla produzione di abbigliamento di andare oltre l’automazione ristretta e verso sistemi che migliorano man mano che la complessità aumenta.

MeRA introduce un approccio di assemblaggio robotico modulare alla produzione di capi. Come questo sistema differisce fondamentalmente dall’automazione tradizionale della fabbrica?

MeRA differisce fondamentalmente dall’automazione tradizionale della fabbrica perché è stato progettato intorno alle specifiche limitazioni della produzione di abbigliamento, piuttosto che adattato da industrie costruite su parti rigide e processi stabili.

L’automazione convenzionale presume una geometria fissa, materiali prevedibili e una variabilità limitata. Il cambio di lavoro viene gestito attraverso setup meccanicamente vincolati e processi specifici di fissaggio. Quel modello funziona quando i prodotti raramente cambiano. Si rompe nell’abbigliamento, dove i materiali sono deformabili, gli stili si girano rapidamente e la produzione deve essere eseguita ad alta velocità per essere economicamente fattibile.

MeRA inizia da assunzioni opposte. L’abbigliamento richiede un sistema che possa gestire materiali morbidi, variazioni costanti e frequenti cambi di lavoro senza fermare la produzione. Per farlo, MeRA utilizza un’architettura di assemblaggio software-definita e modulare. Ogni modulo esegue un’operazione discreta e può essere riorganizzato, duplicato o ridistribuito mentre i prodotti, i tessuti o i volumi cambiano. Il cambio di lavoro avviene digitalmente, nel software, piuttosto che attraverso la rititolazione fisica.

Architettonicamente, MeRA è progettato per massimizzare sia la velocità che il controllo. L’assemblaggio viene mantenuto in due dimensioni il più a lungo possibile, dove la visione, l’allineamento e il moto sono più veloci e precisi, prima di passare a operazioni tridimensionali strettamente gestite solo quando la formazione o la giunzione lo richiede. L’automazione tradizionale spinge le parti attraverso celle di lavoro tridimensionali fisse; MeRA minimizza la complessità tridimensionale per design per preservare il throughput.

Abbinato alla saldatura adesiva digitale, MeRA sostituisce la giunzione meccanicamente vincolata con un’operazione programmabile a un solo lato. Non c’è bisogno di capovolgere i capi, gestire la tensione continua o accedere a entrambi i lati durante il processo. Ciò riduce il tempo del ciclo, abbassa i tassi di errore e consente un rapido cambio di lavoro digitale attraverso capi e tessuti.

In breve, l’automazione tradizionale codifica il processo nell’hardware. MeRA definisce il processo nel software e lo adatta al materiale. Quel passaggio – dalla rititolazione fisica al cambio di lavoro digitale, e dai flussi di lavoro fissi all’assemblaggio modulare – è ciò che consente a MeRA di operare alla velocità e alla variabilità richiesta dall’abbigliamento.

Pixel sostituisce la cucitura con la saldatura adesiva microscopica. Oltre alla velocità e all’efficienza, quali nuove possibilità di progettazione o di prestazioni si aprono per i marchi di abbigliamento?

Pixel ridisegna la costruzione dell’abbigliamento nella cucitura. Sostituendo la cucitura con la saldatura adesiva microscopica controllata digitalmente, i marchi guadagnano una precisione e una coerenza molto maggiori, risultando in capi più lisci, più resistenti e più confortevoli da indossare. Poiché il processo è definito dal software, le cuciture diventano una superficie di progettazione piuttosto che una limitazione, consentendo di ingegnerizzare direttamente nella struttura del capo elasticità, gestione dell’umidità, regolazione termica e rinforzo leggero.

Quei vantaggi si estendono oltre la prestazione del capo sul corpo. La stessa controllo digitale che consente la prestazione consente anche di progettare l’abbigliamento per la fine della vita fin dall’inizio. Con la nostra formulazione adesiva Thermo(re)set, i legami possono essere invertiti, consentendo la disassemblaggio automatizzato e il riciclaggio dei tessuti su larga scala. Per i marchi, Pixel rende la progettazione, la prestazione e la circularità risultati integrati della costruzione stessa, non priorità in competizione stratificate dopo il fatto.

C’è molto entusiasmo intorno all’Intelligenza Artificiale Fisica in questo momento. Dal tuo punto di vista, dove l’Intelligenza Artificiale Fisica funziona realmente oggi e dove la realtà è ancora indietro rispetto alle aspettative?

L’Intelligenza Artificiale Fisica funziona oggi quando i problemi sono strutturati per l’intelligenza piuttosto che per la forza bruta. Stiamo vedendo progressi reali in ambienti in cui la percezione, l’apprendimento e il controllo sono dispiegati insieme all’interno di sistemi ingegnerizzati – luoghi in cui le attività sono ripetibili ma richiedono ancora adattamento, e dove la macchina può effettivamente osservare e ragionare su ciò che conta.

Dove le aspettative corrono ancora avanti rispetto alla realtà è intorno all’intelligenza incorporata generale. I materiali morbidi e deformabili rimangono uno dei problemi più difficili nella robotica perché introducono l’osservabilità parziale, il comportamento non lineare e la variabilità costante. L’Intelligenza Artificiale Fisica non è un sostituto drop-in per l’agilità umana e non ha successo in ambienti caotici o legacy per impostazione predefinita.

Nella pratica, la differenza si riduce alla progettazione. L’Intelligenza Artificiale Fisica funziona quando il processo fisico è stato deliberatamente ripensato per ridurre l’incertezza – quando l’accesso è semplificato, gli stati sono osservabili e la variabilità è gestita dall’architettura piuttosto che ignorata. In quelle condizioni, i sistemi di apprendimento possono adattarsi e migliorare. Senza di ciò, l’IA sta spesso solo compensando una cattiva progettazione fisica.

Quello è il filtro che applichiamo a CreateMe. Non trattiamo l’Intelligenza Artificiale Fisica come un escamotage per evitare la complessità della produzione. La trattiamo come uno strato di scalabilità che funziona solo una volta che il sistema di assemblaggio sottostante è stato ripensato da zero. La lezione che abbiamo imparato è semplice: l’Intelligenza Artificiale Fisica scala quando il mondo fisico è stato ingegnerizzato per consentire all’intelligenza di svolgere un lavoro reale.

Con dazi, rischi geopolitici e fragilità della catena di approvvigionamento che diventano problemi strutturali, come tecnologie come MeRA cambiano l’economia del riporto della produzione negli Stati Uniti?

Per un lungo periodo, l’esternalizzazione ha avuto senso da un punto di vista strettamente legato ai costi del lavoro, e lo fa ancora per certi prodotti e volumi. La sfida è che il modello viene anche con svantaggi strutturali: tempi di consegna lunghi, cattivo abbinamento tra domanda e offerta, eccesso di inventario e crescente esposizione a dazi, rischi geopolitici e interruzioni logistici. Quei costi erano spesso nascosti o tollerati fino a quando gli ultimi shock non hanno costretto a guardare più da vicino.

Le tecnologie come MeRA cambiano l’economia rendendo un modello operativo diverso fattibile negli Stati Uniti. MeRA riduce la dipendenza dal lavoro manuale e la sostituisce con una produzione automatizzata ad alto throughput che può essere eseguita in un’impronta compatta e riorganizzabile. Ciò conta a livello nazionale, dove il lavoro è costoso e la flessibilità è più preziosa della scala pura.

Altrettanto importante, MeRA sposta la produzione di abbigliamento dall’ago alla saldatura basata su adesivi. Ciò rimuove la dipendenza dal lavoro di cucitura altamente specializzato e lo sostituisce con ruoli che sono più veloci da formare e più facili da scalare negli Stati Uniti. Ciò trasforma il lavoro da un collo di bottiglia strutturale in un input gestibile, il che è critico per qualsiasi strategia di riporto realistica.

La chiave non è portare tutto indietro. Nella pratica, anche uno strato modesto di produzione vicino al mercato – spesso il 5-10% del volume – può cambiare materialmente l’economia dell’intera catena di approvvigionamento. Quella capacità flessibile consente ai marchi di rispondere alla domanda reale, inseguire i vincitori e evitare di produrre in eccesso mesi in anticipo. MeRA rende quel livello economicamente fattibile supportando il cambio di lavoro digitale veloce, dimensioni di lotti più piccole e output coerente senza dipendere da pool di lavoro specializzati.

In quel contesto, il riporto non è più una decisione binaria o politica. Le tecnologie come MeRA lo trasformano in una scelta di portafoglio. La produzione offshore continua a svolgere un ruolo per la scala e l’efficienza dei costi, ma la capacità automatizzata vicino al mercato diventa un’opzione strategica per velocità, resilienza ed efficienza del capitale. Il risultato è una catena di approvvigionamento più equilibrata, in cui anche una produzione limitata negli Stati Uniti può ridurre notevolmente il rischio e migliorare l’economia complessiva.

Come dovrebbero pensare i marchi di abbigliamento in modo diverso alla progettazione del prodotto quando le limitazioni di produzione non sono più le stesse di quelle degli ambienti di taglio e cucitura tradizionali?

La progettazione di abbigliamento tradizionale riflette la logica prevalente della produzione di taglio e cucitura: accesso a due lati, penetrazione dell’ago, tolleranze delle cuciture dimensionate per le mani umane e metodi di costruzione ottimizzati per la ripetibilità manuale. Queste non sono esigenze innate dei capi; sono artefatti di come i capi sono stati prodotti.

L’assemblaggio automatizzato e basato su adesivi introduce una logica di progettazione diversa. Progettare per l’automazione significa presumere l’accesso a un solo lato, la deposizione adesiva controllata digitalmente e l’esecuzione altamente ripetibile. Ciò consente tolleranze interne delle cuciture più piccole, linee di colla più precise e assemblaggi a basso profilo che sono sia strutturalmente solidi che esteticamente più puliti dei loro equivalenti cuciti.

Perché l’adesivo viene depositato piuttosto che cucito, i designer possono lavorare in modo confidente con bordi complessi e irregolari, geometrie fluide e conversioni o laminazioni di tessuti che sarebbero difficili o impossibili da riprodurre con la cucitura. La complessità visiva non deve più essere supportata dalla massa fisica. Il risultato è un linguaggio di costruzione più minimalista e raffinato che è nativo dell’automazione piuttosto che adattato dal lavoro manuale.

Questo approccio espande anche la libertà dei materiali. A differenza del nastro per cuciture, che è generalmente ad alta temperatura e limitato principalmente ai sintetici, l’adesivo depositato consente l’automazione su una vasta gamma di tessuti, compresi materiali organici e delicati come cashmere, seta, lana e pelle. La selezione del materiale si sposta da “cosa può essere cucito in modo affidabile” a “cosa serve meglio al prodotto”.

In questo contesto, progettare per l’automazione non è restrittivo; è generativo. L’intento creativo, l’espressione estetica e la logica di produzione sono allineati fin dall’inizio. La progettazione diventa sia più precisa che più espressiva, con l’automazione che gestisce la coerenza e l’esecuzione mentre i designer si concentrano sulla forma, sulla funzione e sulla differenziazione.

Come appare il ruolo umano all’interno di una fabbrica di abbigliamento altamente automatizzata e quali nuove competenze diventano critiche mentre la robotica assume i compiti ripetitivi?

In una fabbrica di abbigliamento altamente automatizzata, il ruolo umano si sposta dall’esecuzione manuale ripetitiva alla gestione, supervisione e miglioramento dei sistemi di assemblaggio automatizzato end-to-end. Invece di lunghe linee di cucitura, piccoli team sono organizzati intorno a celle robotiche, con tecnici di produzione, supervisori di celle e specialisti di processo responsabili delle prestazioni, della qualità e del tempo di attività in tutta la produzione.

I tecnici di produzione lavorano a stretto contatto con la robotica, i sistemi di visione e l’attrezzatura di saldatura adesiva. Monitorano le celle robotiche, regolano i percorsi di deposizione e i parametri di saldatura, gestiscono le interazioni del materiale attraverso diversi tessuti e intervengono quando si verificano variabilità o casi limite. Il controllo qualità è continuo piuttosto che campionato: i sistemi di visione ispezionano la posizione, l’allineamento e la coerenza della saldatura in tempo reale, mentre gli esseri umani sovraintendono alle soglie, interpretano le anomalie e decidono quando e come regolare il processo.

Questo modello consegna una qualità e una ripetibilità materialmente più elevate della produzione manuale. La deposizione e la posizione automatizzate riducono la variabilità, mentre il controllo qualità digitale consente un’esecuzione coerente su ogni unità piuttosto che affidarsi all’ispezione a valle. Il giudizio umano viene applicato dove aggiunge più valore – valutando eccezioni, raffinando le tolleranze e migliorando le prestazioni del sistema nel tempo.

Realizzare ciò richiede un modello di formazione e riqualificazione deliberato incorporato direttamente nelle operazioni di produzione. I lavoratori vengono formati per leggere i pannelli di produzione, interpretare i dati dei sensori e della visione, comprendere le metriche della qualità della saldatura e collaborare in modo sicuro con i sistemi robotici. Imparano come il comportamento adesivo, le proprietà del materiale e i parametri del processo interagiscono e come quelle variabili si presentano nei dati del controllo qualità.

Nel tempo, il riqualificamento progredisce dall’operazione di base del sistema alla proprietà del processo più profonda. Attraverso la formazione sul posto di lavoro strutturata, moduli di certificazione e mentorship, i tecnici sviluppano competenze nell’analisi della causa radice, nella manutenzione preventiva e nel miglioramento continuo. Il risultato è una forza lavoro tecnicamente fluente in grado di sostenere una produzione di alta qualità e ripetibile su larga scala – una in cui l’automazione eleva sia la coerenza del prodotto che la capacità umana piuttosto che sostituirla.

Guardando avanti cinque o dieci anni, come pensi che l’Intelligenza Artificiale Fisica ridisegnerà non solo l’abbigliamento, ma la produzione in generale – e dove vuoi che CreateMe abbia l’impatto più grande?

La nostra visione è che la più grande opportunità per l’Intelligenza Artificiale Fisica nella produzione nei prossimi cinque o dieci anni si trova nelle attività con la variabilità e la complessità più elevate, non nelle aree già ben servite dall’automazione rigida. Tra i problemi più difficili ci sono quelli in cui i materiali sono morbidi, flessibili o tridimensionali e dove la variabilità del mondo reale ha storicamente limitato l’automazione.

Quella sfida è più acuta nell’assemblaggio di materiali morbidi. L’abbigliamento è l’esempio più chiaro, ma la stessa dinamica si verifica nella produzione di componenti flessibili nel settore dei beni di consumo, nei prodotti medici, nell’arredamento e negli interni automobilistici. In tutte queste categorie, la cucitura e l’assemblaggio di materiali morbidi rappresentano il contenuto di lavoro più alto e rimangono le parti meno automatizzate del processo di produzione.

Da parte nostra, i primi progressi nell’Intelligenza Artificiale Fisica saranno guidati da sistemi altamente verticalizzati. La progettazione meccanica e i fattori di forma della robotica saranno regolati su applicazioni e materiali specifici, piuttosto che su incorporazioni generalizzate. Ciò che scala attraverso questi verticali non è il hardware, ma l’intelligenza: la percezione, il controllo e i sistemi di apprendimento che consentono alle macchine di comprendere i materiali deformabili, allineare bordi complessi, adattarsi alla variabilità e eseguire operazioni di giunzione saldata in modo affidabile.

Nel prossimo decennio e oltre, crediamo che incorporazioni più generali e umanoidi diventeranno sempre più prevalenti man mano che l’intelligenza incorporata matura e la distribuzione si accelera. Mentre i robot umanoidi si spostano da piloti a milioni, e potenzialmente decine di milioni, di unità distribuite nel prossimo decennio, gli strati esterni morbidi e le pelli tessili diventeranno sistemi di interfaccia uomo-macchina critici. Soddisfare quella domanda su larga scala richiederà l’assemblaggio nativo dell’automazione basato su adesivi, aprendo una nuova categoria industriale nella fabbricazione intelligente di materiali morbidi.

Questo è il contesto in cui si inserisce la visione di CreateMe.

La visione di CreateMe è guidare la trasformazione dell’assemblaggio di materiali morbidi. Per rendere l’assemblaggio automatizzato di tessuti e materiali flessibili programmabile, scalabile e adattivo come il software. Mentre le implementazioni meccaniche e robotiche varieranno per verticale nel breve termine, la sfida fondamentale rimane coerente: la gestione dei materiali morbidi e la cucitura dominano il contenuto del lavoro e resistono all’automazione tradizionale.

Ciò che unisce questi mercati è un set di capacità di Intelligenza Artificiale Fisica condivise – i sistemi che governano la percezione, la manipolazione dei materiali deformabili, l’allineamento dei bordi, la logica di saldatura e l’assemblaggio adattivo attraverso tessuti e fattori di forma. Dimostrando questa capacità nell’abbigliamento, uno degli ambienti di produzione più impegnativi, CreateMe mira a sbloccare l’automazione su un insieme molto più ampio di industrie e a consentire sia la prossima generazione di produzione di beni di consumo morbidi che le interfacce morbide che circonderanno sempre più le macchine intelligenti.

Grazie per la grande intervista e le tue risposte dettagliate, i lettori che desiderano saperne di più possono visitare CreateMe.