Artificial Intelligence for Clothing and Apparel – Current Applications

자세한 내용은 아래 링크를 참조하십시오.

https://emerj.com/ai-sector-overviews/artificial-intelligence-for-clothing-and-apparel/

Artificial Intelligence for Clothing and Apparel – Current Applications | Emerj

링크드 인 지저귀다 페이스 북 이메일

맥킨지 글로벌 패션 지수 (McKinsey Global Fashion Index) 에 따르면 지난 10 년간 패션 산업은 매년 5.5 % 성장 했으며 2016 년에는 2 조 4 천억 달러에 달하는 것으로 추산됩니다.

이 보고서는 도전에 사로 잡혔다 고 밝혔다. 보고서는 2016 년 말까지 매출 성장률이 3 % 이하로 떨어 졌다고보고했다.이 보고서는 패션 업계가 패션 사이클을 단축하는 등 업계를 재편하기 위해 내부 혁신을 추진하고 있다고 밝혔다.

의류 소매 업체를위한 이메일 마케팅 도구는 일반 쇼핑객 또는 비활성 쇼핑객과 같은 개별 세그먼트를 타겟팅하고 카트를 포기 하는 개인별 메시지를 제공합니다 .

패션 분야에서 벗어나 로봇 기술자는 생산성과 효율성을 높이기 위해 소매 업체의 공장과 창고에 진입했습니다.

이 기사에서는 애플리케이션이 다음과 같은 전략에 AI를 사용하는 방법을 강조합니다.

• 마케팅 및 구매 권장 사항
• 시장 정보 및 추세 예측
• 의류 생산에있는 로봇 공학

아래의 소매 패션 어플리케이션은 컴퓨터 비전에서부터 로봇 공학에 이르기까지 다양한 AI 기술을 사용합니다. 모든 사용자는 개인 정보, 전자 메일 주소, 이미지 업로드 여부와 상관없이 개별 쇼핑객 또는 기업 운영자의 의견을 필요로합니다.

마케팅 및 구매 권장 사항

유연

하나의 독립 실행 형 추천 엔진은 다양한 스타일을 제안하기 위해 개인 스타일, 맞춤, 신체 모양 및 이벤트 복장 적합성과 관련하여 기계 학습 및 사용자 입력을 사용하는 모바일 앱인 Affinity 입니다. 먼저 사용자는 마음이나 X 기호를 탭하여 패션 항목을 평가하도록 요청하는 설문 조사를 시작합니다. 회사는이 프로세스가 사용자의 개인 스타일 기본 설정에 대한 알고리즘을 가르치고이 데이터를 앱의 유행 검색 및 추천 도구에 보냈다 고 주장합니다.

사용자가 가입하면 그녀는 자신의 스타일과 취향에 맞는 큐 레이션 된 항목에 대한 매주 권장 사항을 받게됩니다. 선호도는 사용자가 Affinity 사이트 또는 앱에서 상품을 클릭하여 직접 소매점 사이트로 가져 오는 제휴 프로그램 비즈니스 모델을 따릅니다. 고객이 구매하면 소매업 자의 이익을 줄이는 Affinity를 제공합니다.

IOS 모바일 앱이나 웹 사이트에서 운동복, 신발, 드레스, 청바지, 가방, 보석 및 안경 등 다양한 제품을 제공합니다. 사용 가능한 브랜드에는 Stella McCartney, Neiman Marcus, J Crew, Louboutin, Barneys New York 및 Jimmy Choo가 있습니다. 현재 Android 휴대 전화에서는 앱을 사용할 수 없습니다.

CEO 인 Abigail Holtz는 인터뷰 에서 말했다 :

"우리는 큰 계산과 분석 같은 것들을 위해 기술을 사용합니다 - 환경 설정, 순위 및 득점 알고리즘 등을 밝히는 것. 컴퓨터 비전 및 기계 학습과 관련된 가장 큰 문제는 품질 / 정확성입니다. 우리의 모든 속성을 범주화하는 데는 수년이 걸리고 지속적인 선회와 재교육이 필요합니다. 시간이 지남에 따라 우리는 수동 인간 프로세스를 대체하기 위해 점점 더 많은 컴퓨터 비전과 기계 학습을 활용할 것입니다. 그러나 우리는 항상 완전 자동화 이상의 문제를 우선적으로 해결할 것입니다. "

Hontz를 설립하기 전에 Holtz는 2010 년부터 Google의 제품 관리자였습니다. 그러나 회사의 인공 지능 향상이나 Holtz가 AI 관련 프로젝트를 관리했는지 여부는 분명하지 않습니다.

우리의 조사에서, 우리는이 회사의 소매업 자와 관련된 사례 연구를 찾을 수 없었습니다.

미복

Finery 는 사용자가 전자 메일 주소 및 패션 구매 영수증에 액세스 할 수있는 권한을 묻는 옷장 관리 응용 프로그램입니다. 그런 다음 사용자의 옷장에 이미 어떤 의류가 있는지 확인할 수 있다고 주장합니다. 이 데이터를 사용하여 회사는 알고리즘이 사용자의 기존 작품과 사용자의 현재 스타일과 일치 할 수있는 의복 추천을 사용하여 외모를 제안 할 수 있다고 주장합니다. 회사의 Wishlist 기능은 구입하지 않은 옷장을 식별하고 사용자의 옷장을 완성 할 수있는 항목을 추천 할 것을 권장합니다.

이 응용 프로그램의 3 분 비디오 검토에서 사용자가 옷장과 위시리스트에 항목을 추가하는 방법을 보여줍니다. 제품 이미지를 클릭하면 해당 항목에 대한 사용자 세부 정보가 제공됩니다. 응용 프로그램이나 사이트에는 사용자가 팁을 찾을 수있는 스타일리스트도 있습니다.

 

회사 내에서 Oscar Mejia는 기계 학습 개발을 주도합니다. 그는 하버드 대학에서 컴퓨터 소프트웨어 공학 석사 학위를 받았습니다.

이 사이트에서 어떤 브랜드와 소매상이 Finery의 고객인지는 명확하지 않습니다. 이 제품에 대한 사례 연구를 찾을 수 없습니다.

훅

후크 (Hook) 는 전세계 패션 트렌드를 추적하고 고객 데이터 포인트를 수집하며 여러 소매 업체에서 유사한 제품을 찾는 소비자가 판매하는 검색 엔진입니다.

인텔리전스 노드 (Intelligence Node )가 개발 한이 애플리케이션은 소매업 자들이 고객 데이터 포인트 (특정 키워드, 온라인 네비게이션 패턴, 장바구니의 가격 포인트, 실제 구매 및 "좋아요")를 수집하고 분석 할 수있는 이점을 제공하기 위해 심층적 인 학습 알고리즘을 사용한다고 주장합니다 기타 - 사용자가 검색 할 내용을 결정합니다.

또한이 애플리케이션은 제품에 대한 정확한 일치 및 근접 일치를 추적 할 수있는 것으로보고되어 소매업 자에게 차별화 할 수있는 기회를 제공 할 수 있다고 회사는 주장합니다. 웹 사이트에 따르면이 응용 프로그램은 Gap, JC Penny, H & M, Old Navy, TopShop 및 Nike와 같은 5,000 개 이상의 브랜드에서 항목을 운반합니다.

소비자 측면에서 모바일 앱 또는 온라인 웹 사이트를 사용하여 가격을 비교하고 유사 제품을 찾고 판매에 대한 알림을 받고 수백 가지 브랜드의 패션 트렌드를 추적 할 수 있습니다.

시작하려면 사용자는 검색 및 구매하려는 옷의 이미지를 업로드 할 수 있습니다. 응용 프로그램의 알고리즘은 제공하는 온라인 카탈로그에 액세스하고 아래의 짧은 비디오 에서처럼 큐레이팅 된 권장 사항을 제공합니다. 이 비디오는 또한 Hook과 Tailor라는 다른 추천 엔진을 비교합니다.

 

Yasen G. Dimitrov는 4 년간 Intelligence Node의 수석 분석 및 최고 데이터 책임자입니다. 회사 내에서 그는 기계 학습을 사용하여 분석 작업을 담당하는 데이터 과학 팀을 이끌고 있습니다.

우리의 연구 결과, 우리는 Hook의 소매업 자에 대한 사례 연구를 찾을 수 없었습니다. 또한 Intelligence Node의 웹 사이트에서이 특정 제품에 대한 사례 연구를 찾을 수 없었습니다.

Vue.ai

매드 스트리트 덴 (Mad Street Den)이 개발 한 전자 상거래 플랫폼 인 Vue.ai 는 VueMail 이라는 자사의 인공 지능 이메일 기반 이메일 솔루션 이 Vue 전자 상거래 사이트를 떠난 후 고객의 참여를 유지하기 위해 이메일 맞춤 기능을 실시간으로 제공 한다고 주장했다 .

다른 응용 프로그램과 마찬가지로 Vue의 사이트에서는 사용자가 다른 제품에 대해 쇼핑하면서 환경 설정 프로파일을 만들 수 있다고 주장합니다. 사용자가 장바구니를 포기하면 기계 학습 알고리즘이 제품 세부 정보를 기록하고 유사한 색상, 패턴, 컷 및 스타일을 가진 유사한 제품을 권장하는 개인화 된 전자 메일을 전송합니다.

이 회사는 알고리즘이 정규 구매자를 구별 할 수있는 기능을 가지고 있으며 맞춤 추천 이메일을 맞춤 추천과 함께 전송한다고 주장합니다. 알고리즘은 구매자가 이전에 구매 한 제품을 기반으로 권장 사항을 선택합니다.

또 다른 유형의 개인화 된 전자 메일에는 구매자의 지속적인 충성도를 높이기 위해 제품 프로모션이 포함됩니다. 에 따르면 웹 사이트 , 이러한 이메일은 비활성 고객에게 발송되며, 전시 큐레이터의 추천과 제안은 자신의 구매 내역에 따라.

아래의 2 분짜리 비디오는 Vue.ai eCommerce 웹 사이트와 기계 학습, 심층 학습 및 컴퓨터 비전 기술이 함께 작업하여 각 사이트 방문자의 콘텐츠를 개인화하는 방법을 설명합니다.

 

이 비디오에 따르면 최초 사용자는 처음에는 인기있는 브랜드 또는 제품 카테고리가 홈페이지에 표시됩니다. 알고리즘은 삼성과 같은 카메라 또는 브랜드를 비롯한 제품 카테고리를 탐색하는 것과 같은 사용자 행동을 기록합니다. 쇼핑객이 사이트에서 보내는 시간이 길어질수록 AI 기술을 더 잘 훈련하는 데이터가 더 많이 수집됩니다.

에서 사례 연구 , Vue.ai는 전자 상거래 시장이 고객에게 VueMail 개인화 된 이메일을 전송 한 후 매출의 5 ~ 15 % 증가를 달성 것을 주장하고있다. 또 다른 유명한 미국 의류 전자 상거래 소매 업체는 VueMail을 구현 한 후 클릭 투 오픈 (click-to-open) 비율이 46 % 증가하고 업계 평균 매출의 두 배를 보였다. 고객은 이름이 없으므로 일부 예약자에게 결과를 알려줄 것을 권장합니다.

매드 스트리트 덴 (Mad Street Den) 의 개인화 된 이메일 외에 Vue.ai 는 AI 기반 카탈로그 태깅, 스타일링 및 검색을위한 솔루션을 제공하며 카탈로그 관리자, 머천다이저 및 제품 관리자를 대상으로합니다. VueTag 라고 불리는 솔루션 은 카테고리, 성별, 색상, 패턴, 드레스 길이, 소매 길이 및 목선과 같은 속성으로 온라인 카탈로그의 항목을 선별하는 데 사용됩니다.

VueTag 사용을 시작하기 위해 사용자는 먼저 이미지와 제품 설명을 응용 프로그램에 업로드합니다. 응용 프로그램의 컴퓨터 비전 알고리즘은 범주, 성별, 색, 패턴, 슬리브 길이, 목선, 실루엣과 같은 제품의 시각적 특성을 추출하도록 교육되었습니다. 또한 텍스트 정보를 기반으로 이미지에 태그를 지정할 수 있습니다. 일단 태그가 추출되면, 프로그램은 품질 보증을 위해 Vue 팀의 구성원에게 태그를 보냅니다. 이미지에 부정확하게 태그가 추가 된 경우 재교육을 위해 시스템으로 다시 전송됩니다. 마지막으로 태그가 지정된 이미지가 온라인 카탈로그로 전달됩니다.

Zilingo 는 동남 아시아의 패션 브랜드를한데 모으는 전자 상거래 시장입니다. 회사는 웹 사이트를 설정할 때 Vue.ai 응용 프로그램 모음을 사용했습니다. 자사의 상인들이 제품 설명 및 이미지를 능률적으로 관리 할 수 ​​있도록이 회사는 VueTag를 사용했다고 말합니다. 이는 매달 5,000 ~ 10,000 개의 제품을 판매하는 수천 명의 판매자에게 도움이됩니다.

고객은 인간의 군대가 제품 세부 사항을 수동으로 입력 할 필요가 없기 때문에 애플리케이션이 판매자에게 프로세스를 단순하게 만들었다 고 주장합니다. 클라이언트는 이것이 큐 레이션을 더 빠르지 만 더 정확하게 만드는 것이라고 덧붙였다. "Shoppable 비디오 및 자동 태깅은 우리의 삶을 훨씬 더 좋게 만들었습니다."라고 Zilingo의 Ankiti Bose CEO는 말했습니다.

이 회사는 Levis, Macy 's, Diesel 및 Cosabella를 고객으로 지정합니다.

매드 스트리트 덴 (Mad Street Den)의 최고 과학 책임자 인 코스타 콜버트 (Costa Colbert)는 전기 공학 및 컴퓨터 과학 석사 학위를 취득했습니다. 존스 홉킨스 대학 (Johns Hopkins University)의 생물 의학 공학 (biomedical engineering) 버지니아 대학 (University of Virginia)에서 신경 과학 분야의 의학 박사 학위를 취득했습니다.

시장 정보 및 추세 예측

스타일러스

Stylumia 는 회사가 주장하는 시장 인텔리전스 응용 프로그램으로 심층 학습 및 AI 기술의 도움을 받아 패션 트렌드를 예측할 수 있습니다. 회사 웹 사이트에 따르면이 응용 프로그램은 비구 조형 컴퓨터 비전, 자연어 처리 , 행동 데이터 를 가져 와서 패션 통찰력으로 변환 할 수 있습니다.

이 응용 프로그램은 잠재적으로 통찰력을 사용하여 미래의 패션 트렌드에 대한 정보통 결정 및 통찰력을 얻을 수있는 의류 및 의류 제조업체, 브랜드, 소매 업체 또는 패션 및 라이프 스타일 영향 요인을 대상으로합니다.

응용 프로그램 또는 웹 사이트를 사용하려면 소매 고객이 로그인하여 색상, 제품 또는 스타일을 검색 할 수 있습니다. 이 회사는이 응용 프로그램이 소매 업체의 전자 상거래 사이트 사진, 소셜 미디어의 텍스트 설명 및 고객 행동 데이터를 수집하여 클라이언트에게 데이터 대시 보드를 보여주고 검색 한 제품이나 스타일을 중심으로 시각화 된 그래프를 표시 할 수 있다고 주장합니다. 이 회사는 이러한 분석을 사용하여 향후 전망 그래프 시각화 및 특정 패션 트렌드의 성공 여부에 대한 제안을 제공 할 수 있다고 주장합니다.

이 응용 프로그램의 유스 케이스의 예는 패션 쇼일 것입니다. Stylumia 웹 사이트 의 블로그 게시물에서이 회사는 40 명의 디자이너가 한 시즌 동안 총 24,000 개의 의상을 제공 할 수있는 주요 패션 이벤트에서 응용 프로그램이 데이터를 추출하는 방법을 설명합니다.

Stylumia의 블로그에 따르면 응용 프로그램에는 컴퓨터 비전 지원 렌즈를 사용하여 옷의 이미지를 캡처 할 수있는 기능이 있습니다. 패션쇼가 진행되는 동안 응용 프로그램의 알고리즘은 유사한 의류 품목의 이미지를 색상 및 모양별로 그룹화하는 작업을 시작합니다. 동물 프린트 드레스, 기모노 및 코트 재구성, 검은 색 및 빨간색 테마 의류 및 기타 유사한 경향이 이벤트에서 발생합니다.

이 회사에 따르면이 데이터는 추세를 발견하고 향후 시즌에 대한 예측을해야하는 패션쇼 주최자와 디자이너가 분석 할 수 있습니다.

Founder and CEO Ganesh Subramanian이 사용한 또 다른 유스 케이스는 디자이너 또는 의류 제조업체 가 텍스트 기반 키워드를 검색 하는 경우입니다. 사용자는 "노란색과 보라색 줄무늬 셔츠"와 같이 찾고있는 스타일을 설명 할 수 있습니다. 응용 프로그램의 자연어 처리 알고리즘은 웹을 통해 크롤링하여 항목의 이미지를 찾습니다.

이 회사는 기계 학습 응용 프로그램이 Instagram 및 Pinterest와 같은 소셜 미디어 사이트의 추세를 인식하고 색상 및 실루엣에 대한 교육을받을 수 있다고 주장합니다. 키워드의 철자가 틀린 경우에도 올바른 항목을 검색합니다.

응용 프로그램의 컴퓨터 비전 기술은 RGB (적색, 녹색, 청색) 시스템의 정확한 속성과 색상 값으로 훈련 된 항목의 올바른 색상을 구별 할 수 있습니다.

Subramanian은 알고리즘이 비디오를 통해 크롤링하고, 심층 학습 신경망을 사용하여 광학 매핑을 통해 의복 색상을 결정하고, 비디오에서 의류의 색상 히스토그램을 추출 할 수 있다고 주장합니다.

사례 연구에서 이름없는 고객 은 지난 2 개월 동안 현지 및 국제 브랜드에서 영감을 얻어 출시 한 디자인을 사용하여 2017 년 초에 T 셔츠 컬렉션을 디자인하려고했습니다. 클라이언트는 베스트 셀러 디자인 상위 10 %를 지정했으며 Stylumia는 인기도에 따라 순위가 매겨진 디자인으로 돌아 왔습니다. 디자인에는 위장 프린트, 대비가 달린 포켓, 라운드 넥 라글란 및 가로 줄무늬가 포함되어 있습니다.

그런 다음 디자이너는 이러한 경향을 결합하고 비즈니스 팀의 승인을 받아 응용 프로그램에서 제공하는 순위를보고 특정 수량을 산출합니다. 사례 연구에 따르면 셔츠는 시즌이 끝날 때까지 5 개 마켓에서 3 주 이내에 매진되었다고합니다.

이 회사는 Aeropostale, Myntra, Wrogn, Fastrack, W, Biba, Global Desi 및 Puma를 포함한 40 개의 고객을 보유하고 있다고 주장합니다.

현재 회사 임원 중 누구도 인공 지능 전문 지식이 없습니다. boost.ai의 수석 데이터 과학자 인 Abhishek Thakur는 Stylumia의 AI 고문으로 근무합니다. 그는 본 대학에서 컴퓨터 과학 석사 학위를 취득했습니다.

의류 생산에있는 로봇 공학

그것을 잡아

Grabit  은 Stackit 이라는 로봇이 로봇 제작, 기계 학습, 컴퓨터 비전 및 알고리즘을 사용하여 신발 생산을 자동화하는 자동화 시스템이라고 주장합니다. 이 회사는 로봇의 기계 학습 알고리즘이 인간보다 20 배나 빠른 아이템을 쌓을 수 있다고 말한다.

손에는 가죽과 같은 물질을 다룰 수있는 정전기를 발생시키는 정전 기적 그리퍼가 장착되어 있습니다. 메쉬 및 복합 섬유; 1 밀리미터보다 얇은 기타 재료 또한 최대 50kg까지 상자를 다룰 수 있습니다.

Stackit은 공장 직원과 함께 작동하도록 설계되었습니다. 컴퓨터 비전 알고리즘은 재료를 쌓아야하는 방법을 결정하고 공장 직원이 제품을 설치해야하는 연결된 유리 테이블의 부분을 밝힙니다. 로봇의 전착 플랫폼은 재료를 픽업하고 컴퓨터 비전 장착 카메라는 진행 상황을 모니터링합니다. 또한 기계는 부분적으로 완성 된 구두로 이동하여 열 프레스에 떨어 뜨릴 수 있습니다.

아래의 짧은 비디오는 Stackit이 어떻게 금속에서 패브릭, 유리 및 인쇄 회로 기판과 같은 다양한 유형의 재료를 처리 할 수 ​​있는지 보여줍니다. 로봇의 그리퍼는 정전기에 노출 될 때 두 표면이 접착되는 정전기 부착 기술을 사용합니다.

 

이 회사는 나이키와 함께 투자자들에게 2 천 5 백만 달러의 자금을 조달했습니다.

이 회사는 공식적인 사례 연구가 없지만, 뉴스 보도는 나이키 신발 한 켤레를 조립하는 것은, 위 준비 20 분까지 인간의 노동자 걸리는 과정을 신발을 만들 재료를 40 개까지 적재 포함 것을 주장하고있다. Stackit을 사용하여 보고서는이 프로세스가 8 시간 동안 신발 상반부 당 50 초 또는 300-600 쌍의 Nike 어퍼의 속도로 기계 학습보다 20 배 더 빨라질 것이라고 주장합니다. 이 페이스에서 나이키는 2 년 안에 투자 수익을 올릴 것이라고 보고서는 주장했다.

신발 이외에도 회사 웹 사이트에 따르면이 로봇은 의류, 자동차 및 항공 우주의 제조 프로세스에도 적용될 수 있다고합니다. 나이키 보도 자료는 Grabit의 현재 고객은 창고 자동화, 소포 처리, 소비자 제품, 및 섬유 등의 산업 분야에서 일부 포춘 500 개 기업을 포함보고합니다. 현재 투자자는 Formation 8, Draper Nexus, Danhua Capital, Nike, Samsung, Brother Industries, ABB, Shanghai Electric, Flex, NTT Docomo 및 Esquel Group을 포함합니다.

Harsha Prahlad는 Grabit의 공동 창립자이자 최고 기술 및 제품 책임자입니다. 그는 이전에 SRI International의 Advanced Components Group을 이끌고 Bayer Material Science에서 인수 한 Artificial Muscle, Inc.를 발명했습니다. 그는 박사 학위를 받았다. 메릴랜드 대학 (University of Maryland) 항공 우주 공학 석사, 인도 트 리치 (Trichy) 국립 기술 연구소 (National Institute of Technology) 기계 공학 학사 학위를 취득했습니다.

SewBots

SoftWear Automation의 SewBots 는 신발, 티셔츠, 베개, 목욕 매트, 자동차 매트 및 수건 을 꿰맬 수 있는 컴퓨터 비전 기반 로봇입니다. 회사 웹 사이트에서는 로봇이 재봉시 재료의 표면을 "매핑"하여 천과 기타 재료를 안정화하고 봉합하도록 고안되었습니다.

Sewbot의 컴퓨터 비전 알고리즘은 패브릭의 왜곡을 감지하여 로봇 적으로 조정합니다. 컴퓨터 비전은 또한 로봇을 절단, 솔기 봉합, 슬리브 추가 및 70 피트 길이의 티셔츠 생산 라인에 걸쳐 물품의 품질 검사를 안내합니다. 재봉 과정은 고정 된 재봉기를 통과하는 직물보다는 바늘을 움직입니다.

로봇의 머신 비전 시스템은 정밀도가 0.5 밀리미터 이내 인 정확한 바늘 배치를 추적 할 수 있다고이 회사는 주장했다. 이 회사의 이미지 프로세싱 알고리즘 기반 카메라는 각 스레드를보기 위해 초당 1,000 프레임 이상을 캡처 할 수 있다고 CEO는 덧붙였다.

애틀란타에 본사를두고있는 머신 비전과 로봇 공학은 7 년 동안 DARPA와 Walmart Foundation 프로젝트에 대한 연구와 개발을 거쳐 Georgia Tech에서 시작되었습니다.

CEO 인 Palaniswamy Rajan은 인간의 재봉사와 같은 로봇의 봉제 과정을 설명하며,

"그들이하는 첫 번째 일은 눈을 사용하는 것이며 눈과 손과 팔꿈치와 발로 직물을 미세하고 거시적으로 조작하는 것입니다. 따라서 로봇은 모든 기능을 복제합니다. "

아래 비디오에는 전 CEO 인 KP Reddy가 있는데, 로봇이 직물의 상단과 하단에 컴퓨터 비전 카메라를 사용하여 단추 구멍을 어떻게 바느냐를 설명합니다.

 

현재 Sewbots는 헴과 바인딩과 같은 제한된 봉제 기술을 필요로하는 단순한 조각을 대량 생산하는 것으로 제한됩니다. 웹 사이트에 따르면, 기계는 22 초 만에 하나의 티셔츠 를 생산할 수 있습니다. 신발류 상부 workline 한 26 초 상부 봉제 생산할 수있다.

한 고객은 중국 소주의 Tianyuan Garments Company입니다.이 회사는 전세계 아디다스 셔츠를 대량 생산합니다. 이 회사는 또한 고객 사이에서 계산 에이버리 데니슨 :  압력 감지 기능적인 자료를 제공하는 회사; 브랜딩; 소매 의류 시장을위한 직조 및 라벨링 솔루션을 제공합니다.

CTO Barrett Clark은 Sewbot의 개발 및 배포를 감독했습니다. 그는 오하이오 주립 대학에서 기계 공학 석사 학위를 취득했습니다.

종결 사상

우리 연구 결과, 많은 후작 패션 소매상들이 추천 상품 엔진을 갖춘 전자 상거래 사이트 에서 자신의 제품을 선전하고 판매하기 위해 구매 삭감과 같은 지불을 한 것으로 나타 났습니다. 이것은 Hook 및 Finery와 같은 응용 프로그램을 조사 할 때 해당되는 것으로 보입니다. 다른 연구를 통해 많은 소매 업체가 제 3 자 구축 추천 엔진을 독점적으로 자체 웹 사이트로 가져 왔음을 확인했습니다.

아마존 과 페이스 북 과 같은 후작 회사들이 어떻게 AI 기술을 실험하여 옷을 디자인 하는지와 관련이있는 로봇 디자인 및 디자인 트렌드 예측 애플리케이션의 성장을보고 있습니다. IBM 은 또한 Tommy Hilfiger 및 Fashion Institute of Technology , Google은 Project Muze 를 통해 의류 라인을 발표했습니다 .

그러나 MIT Technology Review 에 따르면 설계 작업이 인간의 손을 떠나고 로봇을 통과하는 데는 시간이 걸릴 수 있습니다 . 혁신에 관해서는 여전히 인간이 더욱 강점을 가지고 있기 때문입니다. 이 목록에 언급 된 로봇 응용 프로그램을 사용하여 우리는 로봇이 복잡한 작업을 처리하는 동시에 인간이 복잡한 작업을 처리 할 수 ​​있도록하면서도 필요한 작업을 감지하고 관리하는 것을 보았습니다.

 

헤더 이미지 신용 : Pixabay