- Amazon Echoにアニマトロニクスの目と白黒CRTテレビを組み合わせ、音声アシスタントをキャラクターのように感じられるロボット Alexatron に変える
- CRTテレビは水平信号をオーディオ信号に置き換えることで、ロボットが話すと画面が口の動きのように反応する中核的な表現装置になっている
- 目のメカニズムはArduino、サーボ、3Dプリンターベースの設計を活用し、Useful Sensorsの person sensor でユーザーの顔を追うように構成
- Alexaのウェイクワード検出後に点灯するLED回路の電圧変化を読み取り、別のコマンドなしに目と動作を即座に起動する
- 完成品は動作するが、サーボ音、ジッター、スピーカーのハムノイズが残るプロトタイプであり、より強いインタラクションにはAlexaではなくGPT AIプラットフォームが必要だと見ている
キャラクターのように感じられる音声アシスタントを作る
- 制作者は、子どもの頃に想像していた未来のコンピューターは単なる機械ではなく、性格と存在感を持つ「コンピューター生命体」に近いものだったと振り返る
- 現在、多くの家庭にはAlexaのような音声アシスタントがあるが、外見はキッチンカウンター上の小さなデバイスに近く、キャラクター性は乏しい
- 目標はAlexaをハックし、アニマトロニクスと古いテレビ画面を組み合わせて、ユーザーがコンピューターと話しているという事実を一瞬忘れさせる機械を作ることだった
白黒CRTテレビを音声表現装置として再利用
- 使用されたテレビは最終世代に近い白黒CRTテレビで、分解後に新しいロボットの表現装置になった
- CRT画面は、ロボットが話すときに口のように反応する視覚要素を提供する
- ユーザーが声の作られる様子を見ると、相手を自己認識や感情を持つ存在として受け入れやすくなる、という意図がある
- テレビ基板では、フライバックトランス、水平出力トランジスタ、水平・垂直偏向制御線などが確認された
- 制作者はチューブへ送られる水平信号を横取りし、オーディオアンプとオーディオソースに接続して、画面に音声信号が現れるようにした
目、顔追跡、ウェイクワードへの反応
- 目のメカニズムには、Milheim MechatronicsのWill Cogleyが作った設計を使用
- Arduino、複数のサーボ、3Dプリンターで比較的速く安価に作れる構造
- 制作者は、その設計ファイルとアニマトロニクスのYouTubeチャンネルを参考対象として紹介している
- 初期テストではサーボのジッターが発生し、5Vに下げるバックコンバーターの3A制限が6個のサーボには十分でない可能性があると判断した
- 目の制御にはUseful Sensorsの person sensor を使用
- SparkFunで入手できるスタンドアロンの顔追跡カメラユニット
- 自前で顔追跡アルゴリズムを作る時間とプログラミング能力が足りず、この部品を選んだ
- このセンサーのおかげで、ロボットはユーザーが動いても目を合わせ続け、Alexaのように話すときだけ反応する機器よりも能動的に相互作用している感覚を与える
- Alexaはウェイクワードを聞いた後、質問や命令を待つように設計されており、制作者が望んだ即時の生命体的反応とは合わなかった
- 解決策はEcho内部のLED回路を利用する方法だった
- Alexaがウェイクワードを聞くとLEDが点灯する
- LEDのRGB信号パッドのうち1つは、LED点灯時に約2.5Vから1.1Vへ下がる
- この電圧変化をマイクロコントローラーが検知し、追加コマンドなしでも望む動作を実行できるようにする
本体の組み立てと試行錯誤
- 眼球の制作過程では、レジンを加熱して気泡を取り除こうとしたところ眼球が歪んだ
- その結果、既存のモールドとホルダーに再び合わなくなり、当初計画していた眼球制作は断念せざるを得なかった
- 分解したCRTテレビ、Amazon Echo、目のメカニズムを1つの本体に収めるため、透明アクリルのシャーシを設計した
- 制作者は小学生の頃、透明な天板の付いたApple IIeを見て、コンピューターの内部が「魔法の箱」ではなくエンジニアリングの成果物であることを初めて実感した
- その経験に着想を得て、Fusion 360で設計した透明アクリルシートをレーザーカットし、部品が見えるシャーシを作った
- テレビ基板は、フライバックトランスとヒートシンク周辺を避けるように層を切り欠いて低く配置し、スペースを節約した
Alexatronの完成と限界
- 最終構成には、アニマトロニクスの目、person sensor、スピーカー、2つのアンプ、8V・12Vブーストコンバーター、テレビ基板、Echoデバイス、CRT用の別電源スイッチ、ヒューズと電源スイッチ付きのプラグモジュールが含まれる
- Amazon Echoは当初、シャーシの外に基板だけを入れて使う予定だったが、正常に動作せず、接地の問題と見て元のケースに戻した
- Arduinoは小型ボードを使おうとして過電圧で焼いてしまい、Arduino Megaに置き換えた
- 完成したロボットは「computer」というウェイクワードに反応し、CRT画面と目のメカニズムを併用して対話型キャラクターのように動作する
- 制作者はこのロボットを Alexatron と呼び、これまで作った中で最も複雑な制作物だと語る
- 最後の3日間は、1日約15時間ずつ問題解決に費やした
- 部品調達と前段階のコンポーネント制作時間は別である
- 完成品にはまだ問題が残っている
- サーボが非常にうるさく、ジッターがある
- スピーカーに低いハムノイズがある
- それでもシステム全体は動作している
- Alexatronは今後のバージョンへ発展させられるプロトタイプであり、インタラクティブ性を高めるにはAlexaプラットフォームを捨て、GPT AIプラットフォームを採用する変化が必要になる
1件のコメント
Hacker News のコメント
特に古いソ連のゲーム機を扱った動画が面白かった。
https://www.youtube.com/watch?v=9mqXT-zj47s
こういうプロジェクトや Disney の最近の驚くようなロボットたち（https://youtu.be/-cfIm06tcfA?si=D3SKsNekOaDQFeVU）を見ると、かなり現実的な身体性を持つロボットが家庭に入ってくるのは時間の問題に思える。
関連するバイラル動画も出てくるだろうし、魅力的な価格で売れる会社はいずれ大きく稼ぐことになりそうだ。
ロボット自体も J. F. Sebastian が作ったもののように見えるので、最後にその独白を言わせたのはかなり粋な演出だと思う。
このチャンネルとは何の関係もないが、最終的な出来は本当に素晴らしい。
電源が入っているときに指を突っ込まなければいい。
あの人が全体を自作したのなら、フライバックトランスの危険性を理解できるだけの電子工学の知識は十分あるはずだと思う。
電流が低すぎるので痛くはあっても死にはしないが、感電した反応で鋭い縁で手を切ったり、もっと危険な電圧・電流が流れる別の場所に触れてしまったりするのが問題だという。
音声アシスタントが大規模言語モデルより約10年早く普及し、音声アシスタントがどんな意味でも「生きている」と感じられるものに近づいたことはなかった、という点を考えると納得できる。
大規模言語モデルのエコシステムがもう少し成熟したら、こういう製品が大量生産されるのを見てみたい。音声アシスタントをいつも快適に使えていたわけではない自分にとっては、こうした形こそが体験全体を楽しいものにするために必要な要素なのかもしれない。