Computerstøttet strikning:Maskinlæring til tilpasset tøj

Den ældste kendte strikkevare stammer tilbage fra Egypten i middelalderen, ved hjælp af et par omhyggeligt håndlavede sokker. Selvom håndlavet tøj har besat vores skabe i århundreder, en nylig tilstrømning af højteknologiske strikkemaskiner har ændret, hvordan vi nu skaber vores yndlingsstykker.

Disse systemer, som har lavet alt fra Prada-trøjer til Nike-skjorter, er stadig langt fra sømløse. Programmering af maskiner til designs kan være en kedelig og kompliceret prøvelse:Når du skal angive hver enkelt søm, en fejl kan smide hele beklædningsgenstanden af.

I et nyt par papirer, forskere fra MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) er kommet med en ny tilgang til at strømline processen:Et nyt system og designværktøj til automatisering af strikkede beklædningsgenstande.

I et papir, et team skabte et system kaldet "InverseKnit, ", der oversætter fotos af strikkede mønstre til instruktioner, som derefter bruges sammen med maskiner til at lave tøj. En tilgang som denne kunne lade afslappede brugere skabe design uden en hukommelsesbank af kodningsviden, og endda forene spørgsmål om effektivitet og spild i produktionen.

"Hvad angår maskiner og strik, denne type system kan ændre tilgængeligheden for folk, der ønsker at være designere af deres egne varer, "siger Alexandre Kaspar, CSAIL Ph.D. studerende og hovedforfatter på et nyt papir om systemet. "Vi vil lade afslappede brugere få adgang til maskiner uden nødvendig programmeringskundskab, så de kan høste fordelene ved tilpasning ved at bruge maskinlæring til design og fremstilling. "

I et andet blad, forskere kom med et computerstøttet designværktøj til at tilpasse strikkede varer. Værktøjet lader ikke-eksperter bruge skabeloner til at justere mønstre og former, som at tilføje et trekantet mønster til en hue, eller lodrette striber til en sok. Du kan forestille dig, at brugere laver genstande tilpasset deres egen krop, samtidig med at den tilpasses til foretrukken æstetik.

InverseKnit

Automatisering har allerede omformet modeindustrien, som vi kender den, med potentielle positive rester af også at ændre vores produktionsfodaftryk.

For at få InverseKnit op at køre, teamet oprettede først et datasæt med strikkeinstruktioner, og de matchende billeder af disse mønstre. De trænede derefter deres dybe neurale netværk på disse data til at fortolke 2-D strikkeinstruktionerne fra billeder.

Dette kan ligne at give systemet et foto af en handske, og derefter lade modellen producere et sæt instruktioner, hvor maskinen derefter følger disse kommandoer for at udsende designet.

Når du tester InverseKnit, holdet fandt ud af, at det producerede nøjagtige instruktioner 94 % af tiden.

"Nuværende state-of-the-art computersynsteknikker er datahungrende, og de har brug for mange eksempler for at modellere verden effektivt, " siger Jim McCann, adjunkt i Carnegie Mellon Robotics Institute. "Med InverseKnit, holdet indsamlede et enormt datasæt af strikprøver, der, for første gang, gør det muligt at bruge moderne computervisionsteknikker til at genkende og analysere strikkeopskrifter. "

Mens systemet i øjeblikket fungerer med en lille stikprøvestørrelse, holdet håber at udvide prøvepuljen til at anvende InverseKnit i større skala. I øjeblikket, holdet brugte kun en bestemt type akrylgarn, men de håber at teste forskellige materialer for at gøre systemet mere fleksibelt.

Et værktøj til strikning

Selvom der har været masser af udviklinger inden for området-såsom Carnegie Mellons automatiserede strikkeprocesser til 3D-masker-kan disse metoder ofte være komplekse og tvetydige. De forvrængninger, der er iboende i 3-D-former, hæmmer, hvordan vi forstår genstandenes positioner, og dette kan være en byrde for designerne.

For at løse dette designproblem, Kaspar og hans kolleger udviklede et værktøj kaldet "CADKnit, "der bruger 2-D-billeder, CAD software, og fotoredigeringsteknikker til at lade afslappede brugere tilpasse skabeloner til strikkede designs.

Værktøjet lader brugerne designe både mønstre og former i den samme grænseflade. Med andre softwaresystemer, du vil sandsynligvis miste noget arbejde i begge ender, når du tilpasser begge.

"Uanset om det er til den daglige bruger, der ønsker at efterligne en vens huehat, eller en delmængde af offentligheden, der kan have gavn af at bruge dette værktøj i en produktionsindstilling, vi sigter mod at gøre processen mere tilgængelig for personlig tilpasning, «, siger Kaspar.

Holdet testede anvendeligheden af ​​CADKnit ved at lade ikke-eksperter lave mønstre til deres tøj og justere størrelsen og formen. I undersøgelser efter test, brugerne sagde, at de fandt det let at manipulere og tilpasse deres strømper eller huer, med succes at fremstille flere strikkede prøver. De bemærkede, at blondemønstre var vanskelige at designe korrekt og ville drage fordel af hurtig realistisk simulering.

Systemet er dog kun et første skridt mod fuld tilpasning af tøjet. Forfatterne fandt ud af, at beklædningsgenstande med komplicerede grænseflader mellem forskellige dele - såsom sweatere - ikke fungerede godt med designværktøjet. Stammen på trøjer og ærmer kan forbindes på forskellige måder, og softwaren havde endnu ikke en måde at beskrive hele designrummet til det.

Desuden, det nuværende system kan kun bruge et garn til en form, men holdet håber at forbedre dette ved at indføre en stak garn ved hver maske. For at muliggøre arbejde med mere komplekse mønstre og større former, forskerne planlægger at bruge hierarkiske datastrukturer, der ikke indeholder alle sømme, bare de nødvendige.

"Virkningen af ​​3D-strikning har potentiale til at være endnu større end ved 3D-udskrivning. Lige nu, designværktøjer holder teknologien tilbage, Derfor er denne forskning så vigtig for fremtiden, "siger McCann.

Denne historie er genudgivet med tilladelse fra MIT News (web.mit.edu/newsoffice/), et populært websted, der dækker nyheder om MIT-forskning, innovation og undervisning.