Кам Мायरс, генеральный директор и основатель CreateMe – Интервью

Кам Мायरс, генеральный директор и основатель CreateMe, запустил компанию в 2019 году с целью модернизации производства одежды посредством передовой автоматизации. Базируясь в районе залива Сан-Франциско, он имеет разнообразный опыт, охватывающий инвестиционное консультирование в ADM Investment Partnership, руководство на ранних этапах развития Group Commerce, а также роли в области бизнес-развития в Downtown Music Holdings и Publicis Groupe (PU4.DE ). Он также является членом глобального сообщества инноваторов Всемирного экономического форума, отражающего его более широкую приверженность технологически обусловленному промышленному преобразованию.

CreateMe – это компания, занимающаяся робототехникой и искусственным интеллектом, которая изобретает новый способ изготовления одежды, заменяя традиционное шитье на автоматизированное, клеевое соединение, работающее на основе робототехники, компьютерного зрения и машинного обучения. Ее проприетарная производственная платформа позволяет производить одежду быстрее, более локализованно и устойчиво, снижая количество отходов и сокращая цепочки поставок, одновременно позиционируя компанию на переднем крае производства следующего поколения мягких товаров.

До основания CreateMe вы были частью команд, основывавших компании, работали в инвестиционных и консультационных ролях, а также занимали должности в таких компаниях, как DoubleClick и Group Commerce. Как этот микс технологий, финансов и оперативного опыта повлиял на ваше решение начать CreateMe и решить такую сложную задачу, как автоматизированное производство одежды?

До CreateMe я приобрел опыт как технологический универсал, работая в области программного обеспечения, электронной коммерции, инвестиций и ранних стадий развития компаний. Быть частью команд, основывавших компании, включая Group Commerce, было для меня своего рода MBA. Вас заставляют думать междисциплинарно и видеть, как технологии, экономика и операции взаимодействуют под реальными ограничениями.

Эта точка зрения привела меня к другому выводу об одежде. Через стартапы в области электронной коммерции я постоянно видел одни и те же провалы: низкий уровень продаж, сильные скидки и большие объемы запасов, которые в конечном итоге списывались или отправлялись на свалку. Большинство людей рассматривали это как проблемы мерчандайзинга или прогнозирования. С точки зрения технологий было ясно, что это симптомы чего-то более глубокого – производственных систем, которые не могут реагировать на реальный спрос.

Этот вывод был получен путем соединения этих точек между дисциплинами. Одежда не была сломана потому, что какая-либо часть системы работала плохо. Мы поняли, что это не то, что можно настроить или оптимизировать; это требует чистого, первоначального переосмысления материалов, машин и программного обеспечения как одной системы.

CreateMe возникла из этого убеждения. Это была фундаментально технологическая проблема, и ей требовалось технологическое решение. Быть междисциплинарным – это то, что сделало это видно в первую очередь, и это почему подход CreateMe выглядит по-другому. Мы поставили целью относиться к производству одежды как к задаче систем и автоматизации, и построить платформу, способную изменить, как работает отрасль.

CreateMe теперь владеет значительным портфелем патентов в области робототехники, материаловедения и автоматизации. Какие были самые ранние технические идеи, которые убедили вас, что эту проблему можно решить с помощью Физического ИИ?

Когда мы основали CreateMe в 2019 году, мы считали, что существует достоверный путь к автоматизации производства одежды, но только если сам процесс будет переосмыслен. Ткань – это деформируемый, зависимый от состояния материал. Она растягивается, сдвигается и меняет свое поведение, когда ее обрабатывают. Небольшие вариации быстро накапливаются. В этих условиях открытый контроль и запрограммированное движение разрушаются. Проблема не заключалась в точности робота. Это было понимание состояния материала достаточно хорошо, чтобы действовать на его основе.

Наш первый реальный прогресс был достигнут путем изменения модели сборки. Заменив непрерывное шитье на клеевое соединение, мы смогли собирать изделия в статическом, зафиксированном состоянии, а не когда ткань находилась в движении. Это удалило значительный источник вариативности и позволило выровнять и соединить напрямую. В сочетании с традиционным компьютерным зрением, машинным обучением и робототехникой это сделало надежную автоматизацию возможной для определенного набора операций. Это доказало что-то важное на ранней стадии: деформируемые материалы могут быть обработаны механически, если процесс структурирован правильно.

Эти ранние системы также прояснили пределы. Традиционные правила, основанные на компьютерном зрении, работают хорошо, когда геометрия проста, и условия строго ограничены. Они не масштабируются до самых сложных проблем в одежде, особенно в сложных трехмерных соединениях, где форма ткани, ориентация и контакт постоянно меняются в пространстве. Полная автоматизация этих операций просто не была достижима с помощью доступных на тот момент инструментов восприятия и моделирования.

Именно здесь Физический ИИ начал менять ситуацию. Достижения в области восприятия, датчиков и воплощенного контроля сделали возможным понимание деформируемых материалов в трех измерениях и закрытие цикла между видением, принятием решений и действием. Мы еще находимся на ранних стадиях применения этих возможностей к физической сборке, но даже ранние реализации уже расширяют диапазон изделий, тканей и сложных трехмерных операций соединения, которые можно автоматизировать. Вместо того, чтобы запрограммировать поведение, система может все больше рассуждать о состоянии материала, адаптироваться в реальном времени и выполнять операции соединения от начала до конца. Каждая операция соединения генерирует данные о том, как ткань реагирует на силу, тепло и геометрию, что позволяет улучшить производительность и обобщить через использование.

Вкратце, наши ранние инструменты доказали осуществимость. Физический ИИ – это то, что открывает полноту и масштаб. Этот прогресс, от скриптовой автоматизации к полной интеллектуальной сборке, – это то, что убедило нас, что эта проблема не только решаема, но и расширяема на изделия и материалы. Широта нашего патентного портфеля отражает этот путь. Решение проблемы деформируемого материала требовало изобретения в области робототехники, материаловедения и автоматизации, с Физическим ИИ, открывающим наиболее сложные формы соединения.

Производство одежды давно сопротивляется полной автоматизации из-за сложности мягких товаров. Какие прорывы позволили CreateMe пересечь этот порог?

Для CreateMe пересечение порога автоматизации было вызвано двумя связанными сдвигами: как изделия физически собираются и как машины воспринимают и действуют на ткань во время этой сборки.

Первым прорывом было архитектурное решение. Переходя от шитья к клеевому соединению, мы исключили необходимость доступа к обеим сторонам ткани во время сборки. Изделия можно строить, используя доступ с одной стороны, в статическом, зафиксированном состоянии, а не складывая, переворачивая и натягивая через швейную машину. Это значительно уменьшило сложность манипуляций и удалило значительный источник вариативности. С поддержкой ткани и доступом с одной стороны выравнивание и соединение стали контролируемыми проблемами, и традиционное компьютерное зрение и робототехника могли надежно автоматизировать значительную часть конструкции изделия.

Из первых принципов это фундаментально более автоматизируемо, чем роботизированное шитье. Шитье пытается воспроизвести человеческую ловкость в непрерывном движении, когда ткань активно деформируется. Клеевое соединение переформулирует проблему вокруг контролируемого позиционирования и дискретных соединений, что намного лучше подходит для робототехники.

Этот подход также прояснил оставшуюся проблему. Когда мы перешли к более сложным трехмерным соединениям – где поверхности встречаются под меняющимися углами, а поведение материала меняется при контакте – правила и традиционные подходы, основанные на компьютерном зрении, достигли своих пределов. Полная автоматизация на всем диапазоне изделий и тканей требовала более адаптивного восприятия и контроля.

Именно здесь Физический ИИ играет решающую роль. Достижения в области восприятия, датчиков и воплощенного контроля позволяют интерпретировать геометрию ткани и состояние материала в трех измерениях и реагировать в реальном времени во время сборки. В CreateMe даже ранние применения этих возможностей расширяют диапазон изделий, тканей и сложных трехмерных операций соединения, которые можно автоматизировать с минимальным вмешательством.

Вкратце, процесс переосмысления – клеевое соединение, доступ с одной стороны и статическая сборка – сделал автоматизацию осуществимой. Физический ИИ – это то, что позволяет этой автоматизации двигаться к полной операции и масштабироваться на реальную вариативность, позволяя производству одежды выйти за рамки узкой автоматизации и двигаться к системам, которые улучшаются с увеличением сложности.

MeRA представляет собой модульный, роботизированный подход к производству изделий. Как эта система фундаментально отличается от традиционной автоматизации на заводе?

MeRA фундаментально отличается от традиционной автоматизации на заводе, поскольку она была разработана вокруг конкретных ограничений производства одежды, а не адаптирована из отраслей, построенных на жестких деталях и стабильных процессах.

Традиционная автоматизация предполагает фиксированную геометрию, предсказуемые материалы и ограниченную вариативность. Изменение конфигурации управляется с помощью инструментальной, механически ограниченной настройки и процессно-специфической фиксации. Эта модель работает, когда продукты редко меняются. Она разрушается в одежде, где материалы деформируемы, стили быстро меняются, и производство должно работать на высокой скорости, чтобы быть экономически жизнеспособным.

MeRA начинается с противоположных предположений. Производство одежды требует системы, которая может справиться с мягкими материалами, постоянной вариативностью и частой сменой без остановки производства. Для этого MeRA использует модульную, программно-определяемую архитектуру сборки. Каждый модуль выполняет дискретную операцию и может быть переопределен, дублирован или перераспределен по мере изменения продуктов, тканей или объемов. Изменение конфигурации происходит цифровым образом, в программном обеспечении, а не посредством физической перестановки.

Архитектурно MeRA разработана для максимизации как скорости, так и контроля. Сборка поддерживается в двух измерениях как можно дольше, где зрение, выравнивание и движение являются самыми быстрыми и точными, прежде чем переходить в плотно контролируемые трехмерные операции только тогда, когда формирование или соединение требует этого. Традиционная автоматизация толкает детали через фиксированные трехмерные рабочие ячейки; MeRA минимизирует трехмерную сложность по конструкции, чтобы сохранить производительность.

В паре с цифровым клеевым соединением MeRA заменяет механически ограниченное соединение на программно-определяемую, одностороннюю операцию. Нет необходимости переворачивать изделия, управлять непрерывным натяжением или доступом к обеим сторонам в процессе. Это снижает время цикла, снижает уровень ошибок и позволяет быстро вносить цифровые изменения в изделия и ткани.

Вкратце, традиционная автоматизация кодирует процесс в аппаратное обеспечение. MeRA определяет процесс в программном обеспечении и адаптирует его к материалу. Этот сдвиг – от физической перестановки к цифровой смене конфигурации, и от фиксированных рабочих процессов к модульной сборке – позволяет MeRA работать на скорости и вариативности, которые требует производство одежды.

Pixel заменяет шитье микро-клеевым соединением. Помимо скорости и эффективности, какие новые дизайнерские или производственные возможности это открывает для брендов одежды?

Pixel переопределяет конструкцию одежды на уровне шва. Заменив шитье на цифровым, контролируемым микро-клеевым соединением, бренды получают гораздо большую точность и последовательность, в результате чего изделия становятся более гладкими, прочными и комфортными в носке. Поскольку процесс программно-определяемый, швы становятся дизайнерской поверхностью, а не ограничением, что позволяет проектировать растяжимость, управление влагой, терморегуляцию и легкое армирование непосредственно в структуру изделия.

Эти преимущества распространяются за пределы того, как изделие работает на теле. Та же цифровая kontrol’, которая позволяет улучшить производительность, также позволяет проектировать одежду с учетом ее окончательной судьбы с самого начала. С нашей формулой Thermo(re)set адгезива связи можно обратить, что позволяет автоматизировать разборку и крупномасштабную переработку текстиля. Для брендов Pixel делает дизайн, производительность и цикличность интегрированными результатами конструкции, а не конкурирующими приоритетами, наложенными после факта.

Сейчас вокруг Физического ИИ много шума. С вашей точки зрения, где Физический ИИ действительно работает сегодня, и где реальность все еще отстает от ожиданий?

Физический ИИ работает сегодня, когда проблемы структурированы для интеллекта, а не для грубой силы. Мы видим реальный прогресс в средах, где восприятие, обучение и контроль развертываются вместе внутри спроектированных систем – местах, где задачи повторяются, но все еще требуют адаптации, и где машина может фактически наблюдать и рассуждать о том, что имеет значение.

Где ожидания все еще опережают реальность, так это вокруг общего назначения воплощенного интеллекта. Мягкие, деформируемые материалы остаются одной из самых сложных проблем в робототехнике, поскольку они вводят частичную наблюдаемость, нелинейное поведение и постоянную вариативность. Физический ИИ не является заменой человеческой ловкости, и он не преуспевает в хаотичных или устаревших средах по умолчанию.

На практике разница заключается в дизайне. Физический ИИ работает, когда физический процесс был намеренно переосмыслен, чтобы уменьшить неопределенность – когда доступ упрощается, состояния наблюдаемы, и вариативность управляется архитектурой, а не игнорируется. В этих условиях системы обучения могут адаптироваться и улучшаться. Без этого ИИ часто просто компенсирует плохой физический дизайн.

Такой подход мы применяем в CreateMe. Мы не рассматриваем Физический ИИ как обход сложности производства. Мы рассматриваем его как слой масштабирования, который работает только после того, как основная система сборки была переосмыслена с нуля. Урок, который мы выучили, прост: Физический ИИ масштабируется, когда физический мир был спроектирован так, чтобы позволить интеллекту делать реальную работу.

С тарифами, геополитическим риском и хрупкостью цепочки поставок, становящимися структурными проблемами, как технологии, такие как MeRA, меняют экономику возвращения производства в США?

Для долгого времени аутсорсинг имел экономический смысл с точки зрения узкой стоимости труда, и он все еще имеет смысл для определенных продуктов и объемов. Проблема заключается в том, что эта модель также имеет структурные недостатки: длительные сроки поставки, плохое соответствие спроса и предложения, избыточные запасы и растущая подверженность тарифам, геополитическому риску и логистическим нарушениям. Эти затраты часто были скрыты или терпимы до тех пор, пока недавние шоки не заставили более внимательно посмотреть.

Технологии, такие как MeRA, меняют экономику, делая другой операционный модель жизнеспособной в США. MeRA снижает зависимость от ручного труда и заменяет его высокопроизводительной, автоматизированной производством, которое может работать в компактном, переопределяемом формате. Это имеет значение внутри страны, где труд дорогостоящий, а гибкость более ценна, чем чистая масштабируемость.

Точно так же важно, что MeRA смещает производство одежды от дexterous шитья к статической, клеевой сборке. Это удаляет зависимость от редкого, высококвалифицированного швейного труда и заменяет его ролями, которые быстрее обучаются и легче масштабируются в США. Это переводит труд из структурного узкого места в управляемый вход, что является критическим для любой реалистичной стратегии обратного переноса.

Ключевой сдвиг не заключается в том, чтобы вернуть все. На практике даже небольшой слой gần-маркетской производственной мощности – часто 5-10% объема – может существенно изменить экономику всей цепочки поставок. Этот гибкий потенциал позволяет брендам реагировать на реальный спрос, преследовать победителей и избегать过производства за месяцы вперед. MeRA делает этот слой экономически жизнеспособным, поддерживая быструю цифровую смену конфигурации, меньшие размеры партий и последовательный выход без зависимости от специализированных пулов труда.

В этом контексте обратный перенос перестает быть бинарным или политическим решением. Технологии, такие как MeRA, превращают его в решение портфеля. Аутсорсинг все еще играет роль в масштабе и стоимости, но автоматизированная, gần-маркетская мощность становится стратегическим рычагом для скорости, устойчивости и эффективности капитала. Результатом является более сбалансированная цепочка поставок, где даже ограниченное производство в США может существенно снизить риск и улучшить общую экономику.

Как бренды одежды должны думать по-другому о дизайне продукта, когда производственные ограничения больше не являются такими же, какими они были в традиционных средах cut-and-sew?

Традиционный дизайн одежды отражает преобладающую логику производства cut-and-sew: двухсторонний доступ, проникновение иглы, припуски шва, размеренные для человеческих рук, и методы строительства, оптимизированные для ручной повторяемости. Это не внутренние требования изделий; это артефакты того, как изделия были сделаны.

Автоматизированная, клеевая сборка вводит другую логику дизайна. Проектирование для автоматизации означает предположение одностороннего доступа, цифрового контроля клеевого нанесения и высоко повторяющегося выполнения. Это позволяет использовать меньшие внутренние припуски шва, более точные линии клея и низкопрофильные сборки, которые являются как strukтурно прочными, так и эстетически чище, чем эквиваленты, сделанные вручную.

Поскольку клей наносится, а не шьется, дизайнеры могут работать уверенно с сложными и нерегулярными краями, жидкими геометриями и конверсиями или ламинированием тканей, которые были бы трудны или невозможны для воспроизведения с помощью шитья. Визуальная сложность больше не должна поддерживаться физической массой. Результатом является более минималистичный, рафинированный язык конструкции, который является родным для автоматизации, а не адаптирован из ручной работы.

Этот подход также расширяет свободу материала. В отличие от ленты для швов, которая обычно высокотемпературна и в основном ограничена синтетикой, нанесенный клей позволяет автоматизировать производство на широком диапазоне тканей, включая органические и деликатные материалы, такие как кашемир, шелк, шерсть и кожа. Выбор материала смещается от “что можно надежно сшить” к “что лучше всего служит продукту”.

В этом контексте проектирование для автоматизации не ограничительно; это генеративно. Творческая намеренность, эстетическое выражение и логика производства выравниваются с самого начала. Дизайн становится как более точным, так и более выразительным, с автоматизацией, обрабатывающей последовательность и выполнение, в то время как дизайнеры сосредотачиваются на форме, функции и дифференциации.

Что такое роль человека внутри высокоавтоматизированного производства одежды, и какие новые навыки становятся критическими, когда робототехника берет на себя повторяющиеся задачи?

В высокоавтоматизированном производстве одежды роль человека смещается от повторяющегося ручного выполнения к эксплуатации, надзору и улучшению автоматизированных систем сборки от начала до конца. Вместо длинных швейных линий меньшие команды организованы вокруг роботизированных ячеек, с производственными техниками, надзирателями ячеек и специалистами по процессам, ответственных за производительность, качество и время безотказной работы на всем производственном потоке.

Производственные техники работают руками с робототехникой, системами компьютерного зрения и клеевым оборудованием. Они контролируют роботизированные ячейки, настраивают пути нанесения и параметры клея, управляют взаимодействием материалов на разных тканях и вмешиваются, когда возникает вариативность или граничные случаи. Контроль качества является непрерывным, а не выборочным: системы компьютерного зрения проверяют размещение, выравнивание и последовательность клея в реальном времени, в то время как люди контролируют пороги, интерпретируют аномалии и решают, когда и как скорректировать процесс.

Эта модель обеспечивает значительно более высокое качество и повторяемость, чем ручное производство. Автоматическое нанесение и размещение снижают вариативность, в то время как цифровой контроль качества позволяет последовательное выполнение на каждую единицу, а не полагаться на контроль качества после производства. Человеческая оценка применяется там, где она добавляет наибольшую ценность – оценка исключений, уточнение допусков и улучшение производительности системы с течением времени.

Реализация этого требует намеренной модели обучения и повышения квалификации, встроенной непосредственно в производственные операции. Работники обучаются читать производственные панели, интерпретировать данные компьютерного зрения и датчиков, понимать метрики качества клея и безопасно сотрудничать с роботизированными системами. Они учатся, как поведение клея, свойства материала и параметры процесса взаимодействуют, и как эти переменные появляются в данных контроля качества.

Со временем повышение квалификации прогрессирует от базовой эксплуатации системы к более глубокому владению процессом. Через структурированное обучение на рабочем месте, модули сертификации и наставничество техники развивают навыки в анализе коренных причин, профилактическом обслуживании и непрерывном улучшении. Результатом является технически грамотная рабочая сила, способная поддерживать высококачественное, повторяющееся производство в масштабе – там, где автоматизация повышает как последовательность продукта, так и человеческую способность, а не заменяет ее.

Оглядываясь вперед на пять-десять лет, как вы видите Физический ИИ, меняющий не только производство одежды, но и производство в целом – и где вы хотите, чтобы CreateMe имела наибольшее влияние?

Наша точка зрения заключается в том, что самая большая возможность для Физического ИИ в производстве в течение следующих пяти-десяти лет лежит в задачах с самой высокой вариативностью и сложностью, а не в областях, которые уже хорошо обслуживаются жесткой автоматизацией. Среди самых сложных проблем есть те, где материалы мягкие, гибкие или трехмерные, и где реальная вариативность исторически ограничивала автоматизацию.

Эта проблема наиболее остро стоит в сборке мягких материалов. Одежда – это наиболее очевидный пример, но та же динамика существует в потребительской электронике с гибкими компонентами, в медицинских продуктах, в мебели и в автомобильных интерьерах. На протяжении этих категорий шитье и сборка мягких товаров составляют самый высокий трудозатрат и остаются наименее автоматизированной частью производственного процесса.

С нашей точки зрения ранний прогресс в Физическом ИИ будет обусловлен высоко вертикальными системами. Механический дизайн и роботизированные форм-факторы будут настроены на конкретные применения и материалы, а не на общие воплощения. То, что масштабируется на эти вертикали, – это не аппаратное обеспечение, а интеллект: восприятие, контроль и системы обучения, которые позволяют машинам понимать деформируемые материалы, выравнивать сложные края, адаптироваться к вариативности и выполнять клеевое соединение надежно.

В течение следующих десяти лет и далее мы считаем, что более общие и гуманоидные воплощения станут все более распространенными, поскольку воплощенный интеллект будет созревать и развертываться ускоряться. Когда гуманоидные роботы перейдут от пилотов к миллионам, и потенциально десяткам миллионов, развернутых единиц в течение следующего десятилетия, текстильные экстерьеры и мягкие внешние слои станут критическими системами интерфейса человека и машины. Чтобы удовлетворить этот спрос в масштабе, потребуется клеевое, родное для автоматизации соединение, что откроет новую промышленную категорию в интеллектуальной сборке мягких материалов.

Именно в этом контексте видение CreateMe находится.

Видение CreateMe – возглавить трансформацию сборки мягких материалов. Сделать автоматизированную сборку текстиля и гибких материалов такой же программно-определяемой, масштабируемой и адаптивной, как и программное обеспечение. Хотя механические и роботизированные реализации будут варьироваться по вертикали в ближайшем будущем, основная задача остается постоянной: обработка мягких материалов и шитье доминируют в трудозатратах и сопротивляются традиционной автоматизации.

То, что объединяет эти рынки, – это общий набор возможностей Физического ИИ – системы, которые управляют восприятием, деформируемой обработкой материала, выравниванием краев, логикой соединения и адаптивной сборкой на тканях и форм-факторах. Доказав эту возможность в одежде, одной из самых требовательных производственных сред, CreateMe стремится открыть автоматизацию на гораздо более широком наборе отраслей и позволить как следующему поколению производства мягких товаров, так и мягким интерфейсам, которые все чаще будут окружать интеллектуальные машины.

Спасибо за отличное интервью и подробные ответы, читателям, которые хотят узнать больше, следует посетить CreateMe.