Conozca a Greg, el robot con una sola tarea
Conozca a Greg, un robot con un único propósito: detectar una palma humana levantada y responder con un choque de manos. Esta interacción sencilla y memorable muestra una integración avanzada de IA entre bastidores, con resultados inmediatos y tangibles.
La arquitectura de Greg se centra en cinco servos controlados por una placa ESP32-S3. Una ESP32-CAM secundaria transmite vídeo por Wi-Fi a un Mac. Este Mac ejecuta Google MediaPipe, que detecta palmas abiertas y calcula los ángulos precisos de las articulaciones para el choque de manos.
Este sistema distribuido funciona con una sola fuente de alimentación. Una vez encendido, Greg se coloca en posición a la espera de una mano humana. El diseño demuestra cómo la IA puede tender puentes entre el diseño mecánico, el firmware y la visión, pero una persona siguió construyendo, probando y montando la máquina.
Claude Opus 3.5 facilitó todo el proceso de diseño y generó:
- Modelos 3D de las piezas
- Diagramas de cableado
- Firmware para ambas placas ESP32
- Algoritmos de visión artificial
El creador utilizó una impresora 3D Elegoo Neptune 3 Pro para la fabricación. Claude generó las piezas como scripts de Blender, lo que permitía ajustes manuales directos. Este proyecto destaca un flujo de trabajo potente: diseño impulsado por IA combinado con montaje manual e iteración por parte de una persona.
Claude se convirtió en el equipo de diseño del robot
Claude se convirtió en el equipo de diseño completo de Greg. El constructor aportó el concepto y las dimensiones de los componentes; Claude generó todos los elementos necesarios. Esto incluyó modelos de Blender, diagramas de cableado, firmware para ambas placas ESP32 y código de visión para el servidor de MediaPipe.
Elegir Blender fue una decisión estratégica. El constructor evitó aprender un software de CAD específico y aprovechó Blender, que ya conocía. Claude generó los diseños mediante scripts de Python, lo que permitía inspeccionarlos directamente y ajustarlos manualmente si era necesario.
Los ciclos de retroalimentación física fueron fundamentales. Antes de las impresiones a escala real, el constructor imprimió pequeñas pruebas de alojamiento de servos. Las fotos de los problemas de ajuste volvían a Claude, que analizaba las imágenes y revisaba los diseños. Este proceso iterativo ahorró horas de impresión y filamento en la Elegoo Neptune 3 Pro.
Este flujo de trabajo redujo el tiempo de diseño y el desperdicio de material. Claude tuvo en cuenta las dimensiones precisas de componentes como los servos y la cámara ESP32, pero a veces pasó por alto detalles. Por ejemplo, un diseño inicial del hombro no dejaba espacio para los cables del servo; Claude lo corrigió tras recibir comentarios con imágenes.
Esta iteración multimodal, que devolvía los resultados físicos a la IA, resultó esencial. Demostró la capacidad de Claude para tender un puente entre el diseño digital y la creación de prototipos físicos, democratizando el desarrollo de hardware para proyectos complejos como Greg.
Los pequeños errores que detuvieron la construcción
Los errores en la construcción física detuvieron el avance. Los diseños iniciales de Claude para los soportes de los servos omitían un espacio fundamental para los cables, lo que obligó a un rediseño completo que modelaba el cable. Los modelos de la cámara también exigieron mediciones reales, después de que las primeras impresiones 3D quedaran demasiado ajustadas o demasiado flojas; las suposiciones de Claude sobre el grosor y la posición de la lente resultaron incorrectas.
Surgieron desafíos eléctricos. Los servos requieren una vía de alimentación independiente y nunca deben tomar corriente directamente del pin de 5 voltios del ESP32. Todos los componentes deben compartir una tierra común; descuidar esto provocó temblores en los servos. Un condensador de 1.000 microfaradios entre las líneas de 5 voltios y tierra amortigua los picos repentinos de corriente de varios servos y evita caídas de tensión que podrían reiniciar el ESP32 y la cámara.
El firmware presentó un obstáculo particular. La popular biblioteca de servos para ESP32 asignó las articulaciones del codo y de la base al mismo canal PWM, por lo que se movían al unísono. Asignar explícitamente canales PWM distintos a cada servo lo resolvió. Verifique siempre el código generado por IA; no dé por hecho que la asignación de canales sea correcta, especialmente con bibliotecas compartidas. Para más detalles sobre los componentes del sistema de visión, consulte MediaPipe Solutions - Google for Developers.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
De un brazo torpe a un choque de manos funcional
La calibración del brazo de Greg requirió un enfoque basado en una cuadrícula. El brazo recorrió diversas posiciones mientras la cámara seguía un trozo de cinta en su palma. Este proceso asignó las coordenadas de la imagen directamente a los ángulos de articulación correspondientes, estableciendo el vínculo fundamental entre visión y movimiento.
Los refinamientos iterativos mejoraron de forma significativa el choque de manos de Greg. Una cámara de ángulo más amplio mejoró la detección, y los comandos de voz permitieron ajustes precisos en tiempo real. Los ejemplos guardados ayudaron a afinar la orientación de la muñeca, mientras que los controles deslizantes ajustables regulaban el retardo y la velocidad, personalizando la interacción.
Greg finalmente cumplió su propósito de chocar la mano, con un funcionamiento fiable tras la configuración inicial. Sin embargo, siguió siendo un prototipo, con fallos ocasionales al arrancar que requerían intervención manual.
Este proyecto pone de relieve una distinción crucial: la IA acelera la creación, generando diseños y código con rapidez. Pero la transformación de un diseño generado en hardware fiable exige pruebas meticulosas, mediciones precisas y una resolución de problemas paciente. La supervisión humana sigue siendo esencial para convertir conceptos generados por IA en sistemas físicos robustos y funcionales.
Preguntas frecuentes
¿Qué hace el robot Greg?
Greg detecta una palma abierta levantada y mueve su brazo de cinco servos para ofrecer un choque de manos.
¿Cómo reconoce Greg una mano levantada?
Una cámara transmite vídeo por Wi-Fi a un Mac, donde Google MediaPipe detecta la mano y ayuda a calcular la posición objetivo del brazo.
¿Qué ayudó a crear Claude para el robot?
Claude ayudó a generar modelos de Blender, planos de cableado, firmware y software de visión artificial, mientras el constructor probaba y corregía los diseños.
¿Puede un principiante construir un robot diseñado con IA?
Un principiante motivado con conocimientos básicos de electrónica puede intentarlo, pero debe esperar un montaje manual, un cableado de alimentación cuidadoso y pruebas de ajuste repetidas.