Claude がハイタッチするロボットの製作を支援

Greg は、上げられた人間の手のひらを検出してハイタッチを返すという、ただひとつの目的を持つロボットです。このシンプルで印象的なやり取りは、裏側で高度な AI が統合されていることを示し、すぐに目に見える具体的な結果をもたらします。

Greg の構成は、ESP32-S3 ボードで制御される5つのサーボを中心としています。2つ目の ESP32-CAM が Wi-Fi 経由で Mac に映像をストリーミングします。この Mac では Google MediaPipe が動作し、開いた手のひらを検出して、ハイタッチのための正確な関節角度を計算します。

この分散システムは、単一の電源から動作します。電源が入ると、Greg は所定の位置に移動し、人の手を待ちます。この設計は、AI が機構設計、ファームウェア、ビジョンをつなぐことができることを示していますが、機械の製作、テスト、組み立てを行ったのは依然として人間です。

Claude Opus 3.5 が設計プロセス全体を支援し、以下を生成しました。

• パーツの3Dモデル
• 配線図
• 両方の ESP32 ボード用のファームウェア
• コンピュータビジョンのアルゴリズム

製作者は、製造に Elegoo Neptune 3 Pro 3D プリンターを使用しました。Claude はパーツを Blender スクリプトとして生成したため、手動で直接調整できました。このプロジェクトは、AI 主導の設計と、人間による手作業の組み立てや反復を組み合わせた、効果的なワークフローを示しています。

Claude は Greg の設計チームの役割をすべて担いました。製作者がコンセプトと部品の寸法を提供し、Claude が必要な成果物をすべて生成しました。これには、Blender モデル、配線図、両方の ESP32 ボード用のファームウェア、MediaPipe サーバー用のビジョンコードが含まれます。

Blender の選択は戦略的なものでした。製作者は専用の CAD ソフトウェアの習得を避け、使い慣れた Blender を活用しました。Claude は Python スクリプトを通じて設計を生成したため、内容を直接確認し、必要に応じて手動で調整できました。

物理的なフィードバックループが重要でした。製作者は実寸での印刷の前に、小さなサーボポケットのテストを印刷しました。フィット感の問題を撮影した写真を Claude に送り返すと、Claude が画像を分析して設計を修正しました。この反復的なプロセスにより、Elegoo Neptune 3 Pro での印刷時間とフィラメントを節約できました。

このワークフローにより、設計時間と材料の無駄が減りました。Claude はサーボや ESP32 カメラなどの部品の正確なサイズを考慮しましたが、細部を見落とすこともありました。たとえば、初期の肩部の設計にはサーボのワイヤー用のスペースがありませんでしたが、画像によるフィードバックを受けて Claude が修正しました。

物理的な結果を AI にフィードバックするこのマルチモーダルな反復は、不可欠であることが分かりました。これは、Claude がデジタル設計と物理的なプロトタイピングをつなぐ能力を持つことを示し、Greg のような複雑なプロジェクトにおけるハードウェア開発の民主化に寄与しました。

物理的な製作上のミスにより、作業が止まりました。Claude による最初のサーボマウントの設計には、ワイヤー用の重要なスペースがなく、ケーブルをモデル化した完全な再設計が必要でした。カメラのモデルも、初期の3Dプリントがきつすぎたり緩すぎたりしたため、実際の寸法測定が必要でした。厚みやレンズ位置に関する Claude の想定は正しくありませんでした。

電気的な課題も浮上しました。サーボには別の電源経路が必要で、ESP32 の5ボルトピンから直接給電してはいけません。すべての部品でグランドを共通にする必要があり、これを怠るとサーボが震えました。5ボルト線とグランド線の間に接続した1,000マイクロファラッドのコンデンサは、複数のサーボによる急激な電流スパイクを緩衝し、ESP32 とカメラのリセットを引き起こしかねない電圧低下を防ぎます。

ファームウェアでは特有の障害がありました。一般的な ESP32 のサーボライブラリが、肘とベースの両方の関節を同じ PWM チャンネルに割り当てたため、両者が連動して動いてしまいました。各サーボに個別の PWM チャンネルを明示的に割り当てることで解決しました。AI が生成したコードは必ず検証し、特に共有ライブラリではチャンネルの割り当てが正しいと思い込まないでください。ビジョンシステムの構成要素の詳細については、MediaPipe Solutions - Google for Developers をご覧ください。

Greg のアームのキャリブレーションには、グリッドベースの手法が必要でした。アームがさまざまな位置をサンプリングし、その間カメラが手のひらに貼ったテープを追跡しました。このプロセスにより、画像座標が対応する関節角度に直接対応付けられ、ビジョンと動作の基本的なつながりが確立されました。

反復的な改良により、Greg のハイタッチは大幅に向上しました。より広角のカメラによって検出が改善され、音声コマンドによって正確なリアルタイムの調整が可能になりました。保存した例が手首の向きの微調整に役立ち、調整可能なスライダーで遅延と速度を制御して、操作をカスタマイズできました。

Greg は最終的にハイタッチという目的を達成し、初期設定後は安定して動作しました。ただし、依然としてプロトタイプであり、起動時にときどき不具合が生じ、手動での対応が必要でした。

このプロジェクトは重要な違いを示しています。AI は設計やコードを迅速に生成し、創造を加速します。しかし、生成された設計から信頼性の高いハードウェアへの変換には、綿密なテスト、正確な測定、根気強いトラブルシューティングが必要です。AI が生成したコンセプトを堅牢で機能する物理システムに変えるには、引き続き人間による監督が欠かせません。

ロボットの Greg は何をしますか?

Greg は、上げられた開いた手のひらを検出し、5つのサーボを備えたアームを動かしてハイタッチを行います。

Greg は上げられた手をどのように認識しますか?

カメラが Wi-Fi 経由で Mac に映像をストリーミングし、Mac 上で Google MediaPipe が手を検出して、アームの目標位置の計算を支援します。

Claude はロボットのために何の作成を支援しましたか?

Claude は、Blender モデル、配線計画、ファームウェア、コンピュータビジョン用ソフトウェアの生成を支援し、製作者が設計のテストと修正を行いました。

初心者でも AI が設計したロボットを作れますか?

電子工作の基本的な経験があり意欲のある初心者であれば挑戦できますが、手作業での組み立て、慎重な電源配線、繰り返しのフィットテストが必要になることを想定しておくべきです。