Lernen Sie Greg kennen, den Roboter mit nur einer Aufgabe
Lernen Sie Greg kennen, einen Roboter mit einem einzigen Zweck: eine erhobene menschliche Handfläche erkennen und ein High-Five erwidern. Diese einfache, einprägsame Interaktion zeigt eine fortschrittliche KI-Integration im Hintergrund und liefert unmittelbare, greifbare Ergebnisse.
Gregs Architektur basiert auf fünf Servos, die von einem ESP32-S3-Board gesteuert werden. Eine zweite ESP32-CAM überträgt Video per WLAN an einen Mac. Dieser Mac führt Google MediaPipe aus, erkennt offene Handflächen und berechnet präzise Gelenkwinkel für das High-Five.
Dieses verteilte System läuft über eine einzige Stromversorgung. Nach dem Einschalten fährt Greg in Position und wartet auf eine menschliche Hand. Das Design zeigt, wie KI Mechanikentwurf, Firmware und Bildverarbeitung verbinden kann, doch ein Mensch hat die Maschine weiterhin gebaut, getestet und zusammengesetzt.
Claude Opus 3.5 unterstützte den gesamten Designprozess und erzeugte:
- 3D-Modelle für Teile
- Verdrahtungspläne
- Firmware für beide ESP32-Boards
- Computer-Vision-Algorithmen
Der Ersteller nutzte für die Fertigung einen Elegoo Neptune 3 Pro 3D-Drucker. Claude erzeugte die Teile als Blender-Skripte, was direkte manuelle Anpassungen ermöglichte. Das Projekt zeigt einen leistungsfähigen Arbeitsablauf: KI-gestütztes Design in Kombination mit praktischer menschlicher Montage und Iteration.
Claude wurde zum Designteam des Roboters
Claude wurde zu Gregs vollständigem Designteam. Der Bauer lieferte die Idee und die Bauteilmaße; Claude erzeugte alle notwendigen Artefakte. Dazu gehörten Blender-Modelle, Verdrahtungspläne, Firmware für beide ESP32-Boards und Vision-Code für den MediaPipe-Server.
Die Wahl von Blender war strategisch. Der Bauer vermied es, eine eigene CAD-Software zu lernen, und nutzte stattdessen das vertraute Blender. Claude erzeugte die Entwürfe über Python-Skripte, sodass sie direkt geprüft und bei Bedarf manuell angepasst werden konnten.
Physische Rückkopplungsschleifen waren entscheidend. Vor den Drucken in voller Größe druckte der Bauer kleine Servo-Aufnahme-Tests. Fotos der Passprobleme gingen an Claude zurück, das die Bilder analysierte und die Entwürfe überarbeitete. Dieser iterative Prozess sparte auf dem Elegoo Neptune 3 Pro Stunden an Druckzeit und Filament.
Dieser Arbeitsablauf verkürzte die Entwurfszeit und verringerte den Materialabfall. Claude berücksichtigte präzise Bauteilmaße wie die von Servos und der ESP32-Kamera, übersah aber manchmal Details. So ließ ein früher Schulterentwurf keinen Platz für die Servokabel; Claude korrigierte ihn nach Bildfeedback.
Diese multimodale Iteration, bei der physische Ergebnisse an die KI zurückgemeldet wurden, erwies sich als unerlässlich. Sie zeigte, dass Claude digitales Design und physischen Prototypenbau verbinden kann und damit die Hardwareentwicklung für komplexe Projekte wie Greg zugänglicher macht.
Die kleinen Fehler, die den Bau aufhielten
Fehler beim physischen Aufbau stoppten den Fortschritt. Claudes erste Entwürfe für die Servohalterungen ließen den nötigen Platz für Kabel aus, sodass eine komplette Überarbeitung nötig war, in der das Kabel mitmodelliert wurde. Auch bei den Kameramodellen waren reale Messungen erforderlich, nachdem frühe 3D-Drucke zu eng oder zu locker saßen; Claudes Annahmen zu Dicke und Linsenposition erwiesen sich als falsch.
Es traten elektrische Probleme auf. Servos benötigen einen separaten Stromversorgungspfad und dürfen nie direkt vom 5-Volt-Pin des ESP32 gespeist werden. Alle Komponenten müssen eine gemeinsame Masse teilen; ihre Vernachlässigung führte zu zitternden Servos. Ein 1.000-Mikrofarad-Kondensator zwischen der 5-Volt- und der Masseleitung puffert plötzliche Stromspitzen mehrerer Servos und verhindert Spannungseinbrüche, die den ESP32 und die Kamera zurücksetzen könnten.
Die Firmware stellte ein besonderes Hindernis dar. Die verbreitete ESP32-Servobibliothek wies Ellbogen- und Basisgelenk demselben PWM-Kanal zu, sodass sie sich gleichzeitig bewegten. Die ausdrückliche Zuweisung eigener PWM-Kanäle für jeden Servo löste das Problem. Prüfen Sie KI-generierten Code immer; gehen Sie nicht von einer korrekten Kanalzuweisung aus, besonders bei gemeinsam genutzten Bibliotheken. Weitere Details zu den Komponenten des Bildverarbeitungssystems finden Sie unter MediaPipe Solutions - Google for Developers.
Gefällt Ihnen der Artikel? Erhalten Sie jeden Morgen einen wie diesen per E-Mail.
eine E-Mail pro Tag · Abmeldung mit zwei Klicks · kein Tracking durch Dritte
Vom unbeholfenen Arm zum funktionierenden High-Five
Die Kalibrierung von Gregs Arm erforderte einen rasterbasierten Ansatz. Der Arm fuhr verschiedene Positionen an, während die Kamera ein Stück Klebeband auf seiner Handfläche verfolgte. Dieser Vorgang ordnete Bildkoordinaten direkt den entsprechenden Gelenkwinkeln zu und schuf so die grundlegende Verbindung zwischen Sehen und Bewegung.
Schrittweise Verbesserungen steigerten Gregs High-Five deutlich. Eine Weitwinkelkamera verbesserte die Erkennung, und Sprachbefehle ermöglichten präzise Anpassungen in Echtzeit. Gespeicherte Beispiele halfen bei der Feinabstimmung der Handgelenkausrichtung, während einstellbare Schieberegler Verzögerung und Geschwindigkeit steuerten und die Interaktion individuell anpassten.
Greg erfüllte schließlich seinen Zweck und gab High-Fives, die nach der anfänglichen Einrichtung zuverlässig funktionierten. Er blieb jedoch ein Prototyp, der gelegentlich Startschwierigkeiten zeigte, die ein manuelles Eingreifen erforderten.
Dieses Projekt verdeutlicht einen entscheidenden Unterschied: KI beschleunigt die Erstellung und erzeugt Entwürfe und Code schnell. Doch der Weg vom generierten Entwurf zur zuverlässigen Hardware erfordert sorgfältige Tests, präzise Messungen und geduldige Fehlersuche. Menschliche Aufsicht bleibt unerlässlich, um KI-generierte Konzepte in robuste, funktionsfähige physische Systeme zu überführen.
Häufig gestellte Fragen
Was macht der Roboter Greg?
Greg erkennt eine erhobene offene Handfläche und bewegt seinen Arm mit fünf Servos, um ein High-Five anzubieten.
Wie erkennt Greg eine erhobene Hand?
Eine Kamera überträgt Video per WLAN an einen Mac, auf dem Google MediaPipe die Hand erkennt und bei der Berechnung der Zielposition des Arms hilft.
Wobei hat Claude beim Roboter geholfen?
Claude half beim Erzeugen von Blender-Modellen, Verdrahtungsplänen, Firmware und Computer-Vision-Software; der Bauer testete und korrigierte die Entwürfe.
Kann ein Einsteiger einen KI-entworfenen Roboter bauen?
Ein motivierter Einsteiger mit grundlegender Elektronikerfahrung kann es versuchen, sollte aber praktische Montage, sorgfältige Stromverkabelung und wiederholte Passungstests einplanen.