Tracefinity erstellt individuelle Gridfinity-Boxen und -Anordnungen, indem es anhand von Fotos die Umrisse von Werkzeugen extrahiert. Nutzer legen die Werkzeuge auf Papier und fotografieren sie; das System verfolgt diese Umrisse, speichert sie in einer individuellen Bibliothek und ermöglicht später die Erstellung projektbezogener Anordnungen.
Das System bietet Funktionen wie Designeinstellungen und optionale Magnetlöcher. Tracefinity nutzt maschinelles Lernen und arbeitet standardmäßig mit einem lokalen, CPU-freundlichen Modell; es kann vollständig auf dem eigenen Server gehostet werden. Für komplexere Formen oder Fotos von geringerer Qualität kann optional auch ein Google Gemini API-Schlüssel verwendet werden.
Warum das wichtig ist
Tracefinity verfolgt für Nutzer, die ihre Werkzeuge organisieren möchten, einen Ansatz, bei dem das Boxendesign an die persönliche Ausrüstung angepasst wird, anstatt es auf vorgefertigte Optionen zu beschränken. Der fotobasierte Prozess ermöglicht es, separate Anordnungen für unterschiedliche Werkzeugsätze zu erstellen und diese für eine spätere Wiederverwendung in der Bibliothek aufzubewahren. Dass das System lokal ausgeführt und auf dem eigenen Server gehostet werden kann, bietet eine Option, die die Notwendigkeit verringert, bei der Nutzung auf externe Dienste zurückzugreifen; offen bleibt jedoch, wie sich diese Entscheidung auf die Ergebnisse bei komplexen Formen oder Fotos von geringer Qualität auswirkt. Die optionale Nutzung von Gemini bietet für diese Fälle eine Alternative, allerdings müssen Nutzer möglicherweise zwischen Genauigkeit und dem Wunsch nach lokalem Betrieb abwägen.