El MIT utiliza el aprendizaje automático para personalizar diseños de ropa

Una nueva investigación utiliza el aprendizaje automático para personalizar los diseños de ropa.

El artículo de tejer más antiguo conocido se remonta a Egipto en la Edad Media, a través de un par de calcetines cuidadosamente hechos a mano.

Aunque la ropa hecha a mano ha ocupado nuestros armarios durante siglos, una reciente afluencia de máquinas de tejer de alta tecnología ha cambiado la forma en que ahora creamos nuestras piezas favoritas.

Estos sistemas, que han hecho cualquier cosa, desde suéteres Prada hasta camisas Nike, aún están lejos de ser perfectos.

La programación de máquinas para diseños puede ser una prueba tediosa y complicada: cuando tiene que especificar cada puntada, un error puede dañar toda la prenda.

Investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT han presentado un nuevo enfoque para simplificar el proceso: un nuevo sistema y herramienta de diseño para automatizar prendas tejidas.

Se creó un sistema llamado “InverseKnit”, que traduce fotos de patrones tejidos en instrucciones que luego se usan con máquinas para hacer ropa.

Un enfoque como este podría permitir a los usuarios ocasionales crear diseños sin un banco de memoria de conocimientos de codificación, e incluso conciliar problemas de eficiencia y desperdicio en la fabricación.

“En cuanto a las máquinas y el tejido de punto, este tipo de sistema podría cambiar la accesibilidad para las personas que buscan ser los diseñadores de sus propios artículos”, dice Alexandre Kaspar, estudiante de doctorado de CSAIL y autor principal en un nuevo documento sobre el sistema.

“Queremos permitir que los usuarios ocasionales tengan acceso a las máquinas sin la experiencia necesaria en programación, para que puedan obtener los beneficios de la personalización haciendo uso del aprendizaje automático para el diseño y la fabricación”.

En otro artículo, a los investigadores se les ocurrió una herramienta de diseño asistida por computadora para personalizar artículos tejidos.

La herramienta permite a los no expertos usar plantillas para ajustar patrones y formas, como agregar un patrón triangular a un gorro o rayas verticales a un calcetín.

Los usuarios harían elementos personalizados para sus propios cuerpos, al tiempo que personalizan la estética preferida.

La automatización ya ha remodelado la industria de la moda tal como la conocemos, con posibles residuos positivos de cambiar también nuestra huella de fabricación.

Para poner en funcionamiento InverseKnit, el equipo primero creó un conjunto de datos de instrucciones de tejido y las imágenes coincidentes de esos patrones.

Luego entrenaron a su red neuronal profunda en esos datos para interpretar las instrucciones de tejido en 2-D a partir de imágenes.

Esto podría parecer algo así como darle al sistema una foto de un guante y luego dejar que el modelo produzca un conjunto de instrucciones, donde la máquina sigue esos comandos para generar el diseño.

Al probar InverseKnit, el equipo descubrió que producía instrucciones precisas el 94% del tiempo.

“Las técnicas de visión por computadora de vanguardia actuales requieren mucha información y necesitan muchos ejemplos para modelar el mundo de manera efectiva”, dice Jim McCann, profesor asistente en el Instituto de Robótica Carnegie Mellon.

“Con InverseKnit, el equipo recopiló un inmenso conjunto de datos de muestras de tejido que, por primera vez, permite utilizar técnicas modernas de visión por computadora para reconocer y analizar patrones de tejido”.

Si bien el sistema actualmente funciona con un tamaño de muestra pequeño, el equipo espera expandir el conjunto de muestras para emplear InverseKnit a mayor escala.

Actualmente, el equipo solo utilizó un tipo específico de hilo acrílico, pero esperan probar diferentes materiales para hacer que el sistema sea más flexible.

Si bien ha habido muchos desarrollos en el campo, como los procesos automatizados de tejido de Carnegie Mellon para mallas tridimensionales, estos métodos a menudo pueden ser complejos y ambiguos.

Las distorsiones inherentes a las formas tridimensionales obstaculizan la forma en que entendemos las posiciones de los artículos, y esto puede ser una carga para los diseñadores.

Para abordar este problema de diseño, Kaspar y sus colegas desarrollaron una herramienta llamada “CADKnit”, que utiliza imágenes 2-D, software CAD y técnicas de edición de fotos para permitir a los usuarios ocasionales personalizar plantillas para diseños de punto.

La herramienta permite a los usuarios diseñar patrones y formas en la misma interfaz.

Con otros sistemas de software, es probable que pierda algo de trabajo en cualquier extremo al personalizar ambos.

“Ya sea para el usuario cotidiano que quiere imitar el gorro de un amigo o un subgrupo del público que podría beneficiarse del uso de esta herramienta en un entorno de fabricación, nuestro objetivo es hacer que el proceso sea más accesible para la personalización”. dice Kaspar

El equipo probó la usabilidad de CADKnit haciendo que usuarios no expertos crearan patrones para sus prendas y ajustaran el tamaño y la forma.

En las encuestas posteriores a la prueba, los usuarios dijeron que les resultaba fácil manipular y personalizar sus calcetines o gorros, fabricando con éxito múltiples muestras tejidas.

Señalaron que los patrones de encaje eran difíciles de diseñar correctamente y se beneficiarían de una simulación realista rápida.

Sin embargo, el sistema es solo un primer paso hacia la personalización completa de la prenda.

Los autores descubrieron que las prendas con interfaces complicadas entre diferentes partes, como los suéteres, no funcionaban bien con la herramienta de diseño.

El tronco de los suéteres y las mangas se pueden conectar de varias maneras, y el software aún no tenía una manera de describir todo el espacio de diseño para eso.

Además, el sistema actual solo puede usar un hilo para una forma, pero el equipo espera mejorar esto introduciendo una pila de hilo en cada punto.

Para permitir el trabajo con patrones más complejos y formas más grandes, los investigadores planean usar estructuras de datos jerárquicas que no incorporen todas las puntadas, solo las necesarias.

“El impacto del tejido tridimensional tiene el potencial de ser aún mayor que el de la impresión tridimensional.

En este momento, las herramientas de diseño están frenando la tecnología, por lo que esta investigación es tan importante para el futuro “, dice McCann.

Fuente: MIT