Les métiers à tricoter modernes sont capables de s’adapter à la plupart des patrons pour réaliser différents types de vêtements. Toutefois il existe certains patrons particuliers qui ne peuvent pas être intégrés aux capacités insuffisantes de la plupart des machines à tricoter. Sur les outils de production contemporains la programmation de nouveaux patrons est un processus complexe et fastidieux car le chemin des aiguilles doit être décrit pour des milliers de parcours, tous dépendants du type de structures à tricoter.
C’est pour palier ces difficultés que les chercheurs du Computer Science and Artificial Intelligence Laboratory (CSAIL), au sein du Massachusetts Institute of Technology’s (MIT), ont conçu une toute nouvelle approche pour automatiser les processus de tricotage de patrons. Grâce à des technologies d’intelligence artificielle (IA) et d’apprentissage automatique, le CSAIL a pu développer dès 2019 le système InverseKnit, un outil qui permet de traduire directement des photos de motifs tricotés en instructions qui peuvent ensuite être transmises aux machines pour produire des quasi-copies de ces motifs (concept de tricotage neuronal inverse). Cette avancée autorise maintenant à quasiment quiconque de devenir designer occasionnel pour personnaliser des vêtements et pour explorer des patrons inédits sans avoir de connaissances en codage machine, mais en limitant au minimum le gaspillage de matière. Avec son système InverseKnit, l’équipe du CSAIL a pu collecter une immense masse de données d’échantillons de tricots et celles-ci permettent d’utiliser des techniques modernes de vision par ordinateur pour reconnaître et analyser des motifs de tricotage trame.
Actuellement les chercheurs travaillent sur l’amélioration des technologies de numérisation de manière à recréer des modèles de tricot avec une précision encore accrue, même si l’objectif n’est pas de pouvoir reproduire fidèlement un motif à partir d’une image 3D complexe, afin de laisser un peu de place à la personnalisation.
Serveur web : http://deepknitting.csail.mit.edu/
Date : 03/2021