Cam Myers, CEO i założyciel CreateMe – seria wywiadów

Cam Myers, CEO i założyciel CreateMe, uruchomił firmę w 2019 roku z wizją zmodernizowania produkcji odzieży za pomocą zaawansowanej automatyki. Z siedzibą w obszarze Zatoki San Francisco, przynosi on różnorodne doświadczenie, obejmujące doradztwo inwestycyjne w ADM Investment Partnership, wczesne role przywódcze w zespole założycielskim Group Commerce, oraz role rozwoju biznesu w Downtown Music Holdings i Publicis Groupe (PU4.DE ). Jest również członkiem społeczności Global Innovators World Economic Forum, co odzwierciedla jego szerszy zaangażowanie w transformację przemysłową napędzaną przez technologię.

CreateMe to firma zajmująca się robotyką i sztuczną inteligencją, która rewolucjonizuje sposób, w jaki powstaje odzież, zastępując tradycyjne szycie automatycznym montażem opartym na kleju, napędzanym robotyką, widzeniem komputerowym i uczeniem maszynowym. Ich platforma produkcyjna umożliwia szybszą, bardziej zlokalizowaną i zrównoważoną produkcję odzieży, redukując odpadki i skracając łańcuchy dostaw, jednocześnie umieszczając firmę na czele następnej generacji produkcji dóbr miękkich.

Przed założeniem CreateMe, byłeś częścią zespołów założycielskich, pracowałeś w roli inwestycyjnej i doradczej, oraz zajmowałeś stanowiska w firmach takich jak DoubleClick i Group Commerce. Jak ta mieszanka technologii, finansów i doświadczenia operacyjnego ukształtowała Twoją decyzję o założeniu CreateMe i podjęciu się czegoś tak złożonego, jak zautomatyzowana produkcja odzieży?

Przed CreateMe, rozwinąłem się jako specjalista ds. technologii, pracując w różnych dziedzinach, takich jak oprogramowanie, handel elektroniczny, inwestycje i wczesne role operacyjne. Bycie częścią zespołów startupowych, w tym Group Commerce, było jak praktyczne MBA. Jesteś zmuszony myśleć w różnych dyscyplinach i widzieć, jak technologia, ekonomia i operacje naprawdę współgrają pod rzeczywistymi ograniczeniami.

Ta perspektywa doprowadziła mnie do innego wniosku na temat odzieży. Przez startupy e-commerce widziałem te same błędy, które się powtarzają: niski poziom sprzedaży, ciężkie dyskontowanie i duże ilości zapasów, które ostatecznie były wyrzucane lub wysyłane na złom. Większość ludzi postrzegała to jako problemy z merchandisingiem lub prognozowaniem. Patrząc na to przez pryzmat technologii, było jasne, że są to objawy czegoś głębszego – systemów produkcyjnych, które nie mogą odpowiedzieć na rzeczywisty popyt.

Wgląd ten wynikał z połączenia tych kropel w różnych dziedzinach. Odzież nie była złamana, ponieważ jakiś konkretny element systemu był źle zarządzany. Zrozumieliśmy, że to nie jest coś, co można dostosować lub zoptymalizować; wymagało to czystej, pierwszej zasady przemyślenia materiałów, maszyn i oprogramowania jako jednego systemu.

CreateMe wynikło z tej przekonania. To był podstawowy problem technologiczny, który wymagał rozwiązania technologicznego. Bycie międzydyscyplinarnym jest tym, co uczyniło to widocznym po raz pierwszy, i to dlatego podejście CreateMe wygląda inaczej. Wyruszyliśmy, aby traktować produkcję odzieży jako wyzwanie systemów i automatyki, i zbudować platformę, która mogłaby zmienić, jak działa ten przemysł.

CreateMe posiada obecnie znaczący portfel patentów w dziedzinie robotyki, nauki o materiałach i automatyki. Jakie były najwcześniejsze spostrzeżenia techniczne, które przekonały Cię, że ten problem jest rozwiązywalny za pomocą Physical AI?

Kiedy założyliśmy CreateMe w 2019 roku, wierzyliśmy, że istnieje wreszcie wiarygodna ścieżka do zautomatyzowania produkcji odzieży, ale tylko wtedy, gdy sam proces zostanie przemyślany. Tkanina jest materiałem deformowalnym, zależnym od stanu. Rozciąga się, zmienia i zachowuje się inaczej, gdy jest manipulowana. Małe wahania się szybko kumulują. W tych warunkach, otwarta pętla kontroli i preprogramowane ruchy zawodzą. Problemem nie była precyzja robota. Było to zrozumienie stanu materiału wystarczająco dobrze, aby móc na niego działać.

Nasze pierwsze prawdziwe postępy wynikały z zmiany modelu montażu. Przez zastąpienie ciągłego szycia klejeniem, mogliśmy zmontować odzież w stanie statycznym, a nie podczas ruchu tkaniny. To usunęło główne źródło zmienności i pozwoliło na kontrolę wyrównania i łączenia. W połączeniu z tradycyjnym widzeniem komputerowym, opartym na maszynowym uczeniu, logice opartej na regułach i robotyce, to sprawiło, że niezawodna automatyka była możliwa dla określonego zestawu operacji. Udowodniło coś ważnego na początku: deformowalne materiały mogą być obsługiwane mechanicznie, jeśli proces jest prawidłowo ustrukturyzowany.

Te wczesne systemy również ujawniły granice. Tradycyjne reguły oparte na widzeniu komputerowym działają dobrze, gdy geometria jest prosta, a warunki są ściśle ograniczone. Nie skalują się do najtrudniejszych problemów w odzieży, zwłaszcza złożonego trójwymiarowego łączenia, gdzie kształt tkaniny, orientacja i kontakt ewoluują ciągle w przestrzeni. Pełna automatyka tych operacji po prostu nie była osiągalna z dostępnymi wówczas narzędziami percepcji i modelowania.

To jest miejsce, w którym Physical AI zaczyna zmieniać równanie. Postępy w percepcji, sensoryce i wbudowanej inteligencji sprawiają, że jest możliwe zrozumienie deformowalnych materiałów w trzech wymiarach i zamknięcie pętli między widzeniem, decyzją a działaniem. Nadal jesteśmy na wczesnym etapie zastosowania tych modeli do fizycznej montażu, ale nawet wczesne implementacje już rozszerzają zakres odzieży, tkanin i złożonych trójwymiarowych operacji łączenia, które mogą być zautomatyzowane. Zamiast skryptowania zachowania, system może coraz bardziej rozumieć stan materiału, adaptować się w czasie rzeczywistym i wykonywać operacje łączenia od końca do końca. Każda operacja łączenia generuje dane o tym, jak tekstylia reagują na siłę, ciepło i geometrię, co pozwala na poprawę i uogólnienie wydajności za pomocą użycia.

W skrócie, nasze wczesne narzędzia udowodniły wykonalność. Physical AI jest tym, co odblokowuje kompletność i skalę. Ten postęp, od zautomatyzowanej do pełnej inteligentnej montażu, jest tym, co przekonało nas, że ten problem nie tylko jest rozwiązywalny, ale także rozszerzalny na odzież i materiały. Szerokość naszego portfela patentowego odzwierciedla tę ścieżkę. Rozwiązanie problemu montażu deformowalnych materiałów wymagało wynalazku w dziedzinie robotyki, nauki o materiałach i automatyki, z Physical AI, która otwiera najbardziej złożone formy łączenia.

Produkcja odzieży od dawna opiera się na pełnej automatyce ze względu na złożoność dóbr miękkich. Jakie przełomy pozwoliły CreateMe na przekroczenie tego progu?

Dla CreateMe przekroczenie progu automatyki zostało napędnione przez dwa powiązane przesunięcia: jak odzież jest fizycznie montowana, oraz jak maszyny postrzegają i działają na tkaninie podczas tego montażu.

Pierwszym przełomem było architektoniczne. Przechodząc od szycia do klejenia, usunęliśmy konieczność dostępu do obu stron tkaniny podczas montażu. Odzież może być budowana za pomocą dostępu jednej strony, w stanie statycznym, a nie jest zginana, odwracana i napinana przez maszynę do szycia. To znacznie zmniejszyło złożoność manipulacji i usunęło główne źródło zmienności. Z tkaniną wspieraną i dostępną z jednej strony, wyrównanie i łączenie stały się kontrolowanymi problemami, a tradycyjne widzenie komputerowe i robotyka mogły niezawodnie zautomatyzować znaczącą część konstrukcji odzieży.

Od pierwszych zasad jest to fundamentalnie bardziej zautomatyzowane niż szycie robotyczne. Szycie próbuje odtworzyć ludzką zręczność w ciągłym ruchu, podczas gdy tkanina jest aktywnie deformowana. Montaż oparty na kleju zmienia problem wokół kontrolowanego pozycjonowania i dyskretnych połączeń, co jest o wiele lepiej dopasowane do robotyki.

To podejście również wyjaśniło pozostałe wyzwanie. Gdy przechodziliśmy do bardziej złożonego trójwymiarowego łączenia – gdzie powierzchnie spotykają się pod zmieniającymi się kątami, a zachowanie materiału zmienia się wraz z kontaktem – reguły i tradycyjne podejścia oparte na widzeniu komputerowym osiągnęły swoje granice. Pełna automatyka tych operacji wymagała bardziej adaptacyjnej percepcji i kontroli.

To jest miejsce, w którym Physical AI odgrywa kluczową rolę. Postępy w percepcji, sensoryce i sterowaniu wbudowanym pozwalają zrozumieć geometrię tkaniny i stan materiału w trzech wymiarach i odpowiedzieć w czasie rzeczywistym podczas montażu. W CreateMe nawet wczesne zastosowania tych możliwości rozszerzają zakres odzieży, tkanin i złożonych trójwymiarowych operacji łączenia, które mogą być zautomatyzowane z minimalnym udziałem.

W skrócie, zmiana procesu – klejenie, dostęp jednej strony, montaż statyczny – uczyniła automatykę wykonalną. Physical AI jest tym, co pozwala tej automatyce przesunąć się w kierunku pełnej operacji i skali w całej rzeczywistej zmienności, umożliwiając produkcji odzieży przekroczyć wąską automatykę i przesunąć się w kierunku systemów, które poprawiają się wraz ze złożonością.

MeRA ™ wprowadza modułowy, robotyczny montaż do produkcji odzieży. W jaki sposób ten system fundamentalnie różni się od tradycyjnej automatyki fabrycznej?

MeRA ™ fundamentalnie różni się od tradycyjnej automatyki fabrycznej, ponieważ została zaprojektowana wokół specyficznych ograniczeń produkcji odzieży, a nie dostosowana do branż opartych na sztywnych częściach i stabilnych procesach.

Tradycyjna automatyka zakłada stałą geometrię, przewidywalne materiały i ograniczoną zmienność. Zmiana jest zarządzana przez narzędziowo-intensywny, mechanicznie ograniczony układ i proces-specyficzne urządzenia. Ten model działa, gdy produkty rzadko się zmieniają. Awaria występuje w odzieży, gdzie materiały są deformowalne, style szybko się zmieniają, a produkcja musi działać z wysoką prędkością, aby być ekonomicznie uzasadniona.

MeRA ™ zaczyna od odwrotnych założeń. Produkcja odzieży wymaga systemu, który może obsłużyć miękkie materiały, stałą zmienność i częste zmiany bez zatrzymywania produkcji. Aby to zrobić, MeRA ™ wykorzystuje modułową, zdefiniowaną w oprogramowaniu architekturę montażu. Każdy moduł wykonuje dyskretną operację i może być ponownie skonfigurowany, zdublowany lub ponownie rozmieszczony, gdy produkty, tkaniny lub objętości się zmieniają. Zmiana następuje cyfrowo, w oprogramowaniu, a nie przez fizyczne ponowne narzędziowanie.

Architektonicznie MeRA ™ jest zaprojektowana, aby maksymalizować zarówno prędkość, jak i kontrolę. Montaż jest utrzymywany w dwóch wymiarach tak długo, jak to możliwe, gdzie widzenie, wyrównanie i ruch są najszybsze i najdokładniejsze, zanim przejdzie do ściśle zarządzanych operacji trójwymiarowych, tylko wtedy, gdy tworzenie lub łączenie wymaga tego. Tradycyjna automatyka pcha części przez ustalone komórki trójwymiarowe; MeRA ™ minimalizuje złożoność trójwymiarową dzięki projektowi, aby zachować przepływność.

W połączeniu z cyfrowym klejeniem, MeRA ™ zastępuje mechanicznie ograniczone łączenie programowaną, jednej strony operacją. Nie ma potrzeby odwracania odzieży, zarządzania ciągłym napięciem lub dostępu do obu stron w trakcie procesu. To redukuje czas cyklu, obniża wskaźnik błędów i umożliwia szybką cyfrową zmianę odzieży i tkanin.

W skrócie, tradycyjna automatyka koduje proces w sprzęcie. MeRA ™ definiuje proces w oprogramowaniu i dostosowuje go do materiału. To przesunięcie – od fizycznego ponownego narzędziowania do zmiany cyfrowej, oraz od ustalonych przepływów do modułowego montażu – pozwala MeRA ™ działać z prędkością i zmiennymi wymaganiami odzieży.

Pixel ™ zastępuje szycie mikro-klejeniem. Poza prędkością i wydajnością, jakie nowe możliwości projektowe lub wydajnościowe otwiera to dla marek odzieżowych?

Pixel ™ zmienia konstrukcję odzieży w szwie. Przez zastąpienie szycia cyfrowo kontrolowanym mikro-klejeniem, marki uzyskują znacznie większą precyzję i spójność, w wyniku czego powstają ubrania, które są gładkie, silne i bardziej komfortowe w noszeniu. Ponieważ proces jest zdefiniowany w oprogramowaniu, szwy stają się powierzchnią projektową, a nie ograniczeniem, umożliwiając elastyczność, zarządzanie wilgocią, regulację temperatury i lekkie wzmocnienie, które mogą być inżynierowane bezpośrednio w strukturę ubrania.

Te korzyści sięgają poza to, jak ubranie działa na ciele. Ta sama kontrola cyfrowa, która umożliwia wydajność, pozwala również na projektowanie odzieży z myślą o końcu życia od samego początku. Z naszą formułą Thermo(re)set ™ kleju, połączenia mogą być odwrócone, umożliwiając zautomatyzowane demontaż i dużą skalę recyklingu tekstyliów. Dla marek Pixel ™ sprawia, że projekt, wydajność i cykl życia stają się zintegrowanymi wynikami samej konstrukcji, a nie konkurencyjnymi priorytetami warstwowymi po fakcie.

Istnieje wiele szumu wokół Physical AI w tej chwili. Z Twojego punktu widzenia, gdzie Physical AI działa naprawdę dzisiaj, a gdzie rzeczywistość wciąż pozostaje za oczekiwaniami?

Physical AI działa dzisiaj, gdy problemy są ustrukturyzowane dla inteligencji, a nie siły brute. Widzimy prawdziwy postęp w środowiskach, w których percepcja, uczenie i kontrola są wdrożone razem w systemach inżynierskich – miejscach, w których zadania są powtarzalne, ale nadal wymagają adaptacji, a maszyna może naprawdę obserwować i rozumieć, co się liczy.

Miejsca, w których oczekiwania nadal wyprzedzają rzeczywistość, to ogólnego celu, wcielonej inteligencji. Miękkie, deformowalne materiały pozostają jednym z najtrudniejszych problemów w robotyce, ponieważ wprowadzają częściową obserwowalność, nieliniowe zachowanie i stałą zmienność. Physical AI nie jest gotowym rozwiązaniem dla ludzkiej zręczności, i nie udaje się w chaotycznych lub dziedzicznych środowiskach domyślnie.

W praktyce różnica polega na projekcie. Physical AI działa, gdy proces fizyczny został celowo przemyślany, aby zmniejszyć niepewność – gdy dostęp jest uproszczony, stany są obserwowalne, a zmienność jest zarządzana przez architekturę, a nie ignorowana. W tych warunkach systemy uczenia mogą się adaptować i poprawiać. Bez tego AI jest często po prostu rekompensatą za słaby fizyczny projekt.

To jest perspektywa, którą stosujemy w CreateMe. Nie traktujemy Physical AI jako skrótu do pominięcia złożoności produkcji. Traktujemy ją jako warstwę skalowania, która działa tylko wtedy, gdy podstawowy system montażu został przemyślany od pierwszych zasad. Lekcja, którą się nauczyliśmy, jest prosta: Physical AI skaluje, gdy świat fizyczny został zaprojektowany, aby pozwolić inteligencji wykonywać prawdziwą pracę.

Z cłami, ryzykiem geopolitycznym i kruchością łańcucha dostaw stającymi się strukturalnymi problemami, jak technologie takie jak MeRA ™ zmieniają ekonomię przywozu produkcji z powrotem do Stanów Zjednoczonych?

Przez długi czas offshoring miał sens z wąskiej perspektywy kosztów pracy, i nadal ma to sens dla pewnych produktów i wolumenów. Wyzwaniem jest to, że model ten również przychodzi z wadami strukturalnymi: długimi czasami oczekiwania, słabym dopasowaniem popytu i podaży, nadmiarem zapasów i rosnącą ekspozycją na cła, ryzyko geopolityczne i zakłócenia logistyczne. Te koszty były często ukryte lub tolerowane, aż do niedawnych wstrząsów, które zmusiły do bliższego spojrzenia.

Technologie takie jak MeRA ™ zmieniają ekonomię, czyniąc inny model operacyjny wykonalnym w Stanach Zjednoczonych. MeRA ™ redukuje zależność od ręcznej pracy i zastępuje ją wysoko wydajną, zautomatyzowaną produkcją, która może działać w kompaktowym, ponownie konfigurowalnym śladzie. To ma znaczenie w kraju, gdzie praca jest droga, a elastyczność jest bardziej cenna niż sama skala.

Równie ważne jest to, że MeRA ™ przesuwa produkcję odzieży od szycia opartego na zręczności do statycznego, klejonego montażu. To usuwa zależność od rzadkiej, wysoko wykwalifikowanej siły roboczej do szycia i zastępuje ją rolami, które są szybsze do szkolenia i łatwiejsze do skalowania w Stanach Zjednoczonych. To zmienia pracę z strukturalnej butelki w zarządzalny wejście, co jest krytyczne dla każdej realistycznej strategii reshoringu.

Kluczowe przesunięcie nie polega na przywozie wszystkiego z powrotem. W praktyce nawet niewielka warstwa produkcji rynkowej – często 5-10% wolumenu – może znacznie zmienić ekonomię całego łańcucha dostaw. Ta elastyczna pojemność pozwala markom reagować na rzeczywisty popyt, ścigać zwycięzców i unikać nadprodukcji miesiącami wcześniej. MeRA ™ sprawia, że ta pojemność jest ekonomicznie uzasadniona, wspierając szybką cyfrową zmianę, mniejsze rozmiary partii i stałą produkcję bez zależności od specjalistycznych pul roboczych.

W tym kontekście reshoring przestaje być binarną lub polityczną decyzją. Technologie takie jak MeRA ™ zmieniają ją w wybór portfela. Offshoring nadal odgrywa rolę w skali i efektywności kosztowej, ale zautomatyzowana, rynkowa pojemność staje się strategicznym dźwignią dla prędkości, odporności i efektywności kapitałowej. Wynikiem jest bardziej zbalansowany łańcuch dostaw, w którym nawet ograniczona produkcja w Stanach Zjednoczonych może znacznie zmniejszyć ryzyko i poprawić ogólną ekonomię.

Jak marki odzieżowe powinny myśleć inaczej o projekcie produktu, gdy ograniczenia produkcji nie są już takie same, jak w tradycyjnych środowiskach cięcia i szycia?

Tradycyjny projekt odzieży odzwierciedla dominującą logikę produkcji cięcia i szycia: dostęp do obu stron, przenikanie igły, marginesy szwów dopasowane do ludzkich rąk, oraz metody konstrukcji zoptymalizowane do ręcznej powtarzalności. Są to nie wewnętrzne wymagania odzieży; są to artefakty tego, jak odzież była wytwarzana.

Zautomatyzowany, klejony montaż wprowadza inną logikę projektową. Projektowanie dla automatyki oznacza założenie dostępu jednej strony, cyfrowo kontrolowanego nanoszenia kleju i bardzo powtarzalnej realizacji. To umożliwia mniejsze wewnętrzne tolerancje szwów, bardziej precyzyjne linie kleju i niższe profile montażu, które są zarówno strukturalnie zwarte, jak i estetycznie czystsze niż ich odpowiedniki szwane.

Ponieważ klej jest nanoszony, a nie szwany, projektanci mogą pracować pewnie z złożonymi i nieregularnymi krawędziami, płynnymi geometriami i konwersjami tkanin lub laminatami, które byłyby trudne lub niemożliwe do odtworzenia szyciem. Złożoność wizualna nie musi już być wspierana przez fizyczną grubość. Wynikiem jest bardziej minimalistyczny, ugruntowany język konstrukcyjny, który jest rodzimy dla automatyki, a nie dostosowany do pracy ręcznej.

To podejście również rozszerza swobodę materiałową. W przeciwieństwie do taśmy szwowej, która jest zwykle wysokotemperaturowa i w dużej mierze ograniczona do syntetyków, nanoszony klej pozwala na automatykę w szerokim zakresie tkanin, w tym organicznych i delikatnych materiałów, takich jak kaszmir, jedwab, wełna i skóra. Wybór materiału przesuwa się z “co można niezawodnie uszyć” na “co najlepiej służy produktowi”.

W tym kontekście projektowanie dla automatyki nie jest ograniczające; jest generatywne. Zamierzenie kreatywne, ekspresja estetyczna i logika produkcyjna są wyalignowane od samego początku. Projekt staje się zarówno bardziej precyzyjny, jak i bardziej wyrazisty, przy czym automatyka zajmuje się spójnością i realizacją, a projektanci koncentrują się na formie, funkcji i różnicowaniu.

Jak wygląda rola człowieka w wysoko zautomatyzowanej fabryce odzieży, a jakie nowe umiejętności stają się kluczowe, gdy robotyka przejmuje powtarzalne zadania?

W wysoko zautomatyzowanej fabryce odzieży rola człowieka przesuwa się z powtarzalnej ręcznej realizacji do obsługi, nadzorowania i poprawy zautomatyzowanych systemów montażu od końca do końca. Zamiast długich linii szycia, mniejsze zespoły są zorganizowane wokół komórek robotycznych, z technicznymi specjalistami ds. produkcji, nadzorcami komórek i specjalistami ds. procesu odpowiedzialnymi za wydajność, jakość i czas pracy na całym przepływie produkcji.

Technicy produkcji pracują ręcznie z robotyką, systemami widzenia, urządzeniami do nanoszenia kleju i innymi maszynami. Monitorują komórki robotyczne, dostosowują ścieżki nanoszenia i parametry łączenia, zarządzają interakcjami materiałowymi między różnymi tkaninami i interweniują, gdy pojawiają się zmienność lub przypadki brzegowe. Kontrola jakości jest ciągła, a nie próbkowana: systemy widzenia sprawdzają umieszczenie, wyrównanie i spójność łączenia w czasie rzeczywistym, podczas gdy ludzie nadzorują progi, interpretują anomalie i decydują, kiedy i jak dostosować proces.

Wynikiem jest znacznie wyższa jakość i powtarzalność niż produkcja ręczna. Zautomatyzowane nanoszenie i umieszczenie redukują zmienność, podczas gdy cyfrowa kontrola jakości umożliwia spójną realizację w każdej jednostce, a nie zależy od kontroli na dalszym etapie. Osąd ludzki jest stosowany tam, gdzie dodaje najwięcej wartości – oceniając wyjątki, doskonaląc tolerancje i poprawiając wydajność systemu w czasie.

Do realizacji tego wymaga się celowego modelu szkolenia i podnoszenia kwalifikacji wbudowanego bezpośrednio w operacje produkcyjne. Pracownicy są szkoleni, aby czytać pulpity produkcyjne, interpretować dane z widzenia i czujników, zrozumieć metryki jakości łączenia i bezpiecznie współpracować z systemami robotycznymi. Uczą się, jak zachowanie kleju, właściwości materiałowe i parametry procesu wzajemnie na siebie wpływają, i jak te zmienne pojawiają się w danych QA.

Wraz z czasem podnoszenie kwalifikacji postępuje od podstawowej operacji systemu do głębszego własności procesu. Przez ustrukturyzowane szkolenia na stanowisku, moduły certyfikacyjne i mentorstwo, technicy rozwijają umiejętności w analizie przyczynowo-skutkowej, konserwacji prewencyjnej i ciągłym doskonaleniu. Wynikiem jest technicznie biegła siła robocza, która może utrzymać wysoką jakość i powtarzalność produkcji w skali – tam, gdzie automatyka podnosi zarówno spójność produktu, jak i ludzką zdolność, zamiast ją zastępować.

Spójrzając w przyszłość pięć do dziesięciu lat, jak widzisz Physical AI zmieniający nie tylko odzież, ale także produkcję w ogóle – i gdzie chcesz, aby CreateMe miało największy wpływ?

Nasza perspektywa jest taka, że największa okazja dla Physical AI w produkcji w ciągu najbliższych pięciu do dziesięciu lat leży w zadaniach o największej zmienności i złożoności, a nie w obszarach, które są już dobrze obsługiwane przez sztywną automatykę. Wśród najtrudniejszych problemów są te, w których materiały są miękkie, elastyczne lub trójwymiarowe, a rzeczywista zmienność historycznie ograniczała automatykę.

To wyzwanie jest najbardziej ostre w montażu miękkich materiałów. Odzież jest najczystszym przykładem, ale ta sama dynamika istnieje w produktach elektronicznych z elastycznymi składnikami, w produktach medycznych, meblach i wnętrzach samochodowych. W tych kategoriach szycie i montaż dóbr miękkich stanowią najwyższą zawartość pracy i pozostają najmniej zautomatyzowanymi częściami procesu produkcyjnego.

Z naszej perspektywy wczesny postęp w Physical AI będzie napędzany przez wysoko wertykalizowane systemy. Projekt mechaniczny i formy robotyczne będą dostosowane do konkretnych zastosowań i materiałów, a nie uogólnionych wcieleniach. To, co skaluje w tych pionach, nie jest sprzętem, ale inteligencją: percepcją, kontrolą i systemami uczenia, które umożliwiają maszynom zrozumieć deformowalne materiały, wyrównać złożone krawędzie, adaptować się do zmienności i wykonywać łączenia w sposób niezawodny.

W ciągu najbliższych dziesięciu lat i dalej wierzymy, że bardziej ogólne i humanoidalne wcielenia staną się coraz bardziej powszechne, gdy inteligencja wcielona dojrzeje i wdrożenie przyspieszy. Gdy humanoidalne roboty przechodzą od pilotów do milionów, a potencjalnie dziesiątek milionów wdrożeń w ciągu najbliższej dekady, tekstylne egzoszkielety i miękkie zewnętrzne warstwy staną się krytycznymi systemami interfejsu człowieka-maszyna. Spełnienie tego popytu w skali wymagać będzie klejonego, natywnie zautomatyzowanego montażu, otwierając nową kategorię przemysłową w inteligentnej produkcji miękkich materiałów.

To jest kontekst, w którym znajduje się wizja CreateMe.

Wizja CreateMe polega na prowadzeniu transformacji montażu miękkich materiałów. Uczynienie zautomatyzowanego montażu tkanin i elastycznych materiałów tak programowalnego, skalowalnego i adaptacyjnego, jak oprogramowanie. Chociaż implementacje mechaniczne i robotyczne będą się różnić w zależności od pionu, podstawowe wyzwanie pozostaje spójne: montaż miękkich materiałów dominuje zawartość pracy i opiera się tradycyjnej automatyce.

To, co ujednolica te rynki, jest wspólny zestaw możliwości Physical AI – systemy, które rządzą percepcją, manipulacją deformowalnych materiałów, wyrównaniem krawędzi, logiką łączenia i adaptacyjnym montażem w różnych tkaninach i formach. Poprzez udowodnienie tej zdolności w odzieży, jednym z najbardziej wymagających środowisk produkcyjnych, CreateMe ma na celu odblokowanie automatyki w znacznie szerszym zakresie branż i umożliwienie następnej generacji produkcji dóbr miękkich oraz miękkich interfejsów, które będą coraz częściej otaczać inteligentne maszyny.

Dziękujemy za wspaniały wywiad i szczegółowe odpowiedzi. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić CreateMe.