- Durch die Kombination eines Amazon Echo mit animatronischen Augen und einem schwarzweißen CRT-Fernseher wurde der Sprachassistent in einen roboterartigen Alexatron verwandelt, der sich wie eine Figur anfühlt
- Der CRT-Fernseher dient als zentrales Ausdrucksmedium: Das horizontale Signal wurde durch ein Audiosignal ersetzt, sodass der Bildschirm beim Sprechen des Roboters wie eine Mundbewegung reagiert
- Der Augenmechanismus nutzt ein auf Arduino, Servos und 3D-Druck basierendes Design und folgt mit dem person sensor von Useful Sensors dem Gesicht des Nutzers
- Durch das Auslesen einer Spannungsänderung im LED-Schaltkreis, der sich nach Erkennung des Alexa-Weckworts einschaltet, werden Augen und Bewegungen ohne zusätzliche Befehle sofort aktiviert
- Das fertige System funktioniert, ist aber mit Servo-Geräuschen, Jitter und Lautsprecherbrummen noch ein Prototyp; für stärkere Interaktion sei statt Alexa eine GPT-AI-Plattform nötig
Einen Sprachassistenten bauen, der sich wie eine Figur anfühlt
- Der Erbauer erinnert sich, dass die Computer der Zukunft in seiner Kindheitsvorstellung keine bloßen Maschinen waren, sondern eher Computer-Lebensformen mit Persönlichkeit und Präsenz
- Heute stehen in vielen Haushalten Sprachassistenten wie Alexa, doch äußerlich wirken sie eher wie kleine Geräte auf der Küchenarbeitsplatte und haben wenig Figurencharakter
- Ziel war es, Alexa zu hacken und mit Animatronik sowie einem alten Fernsehbildschirm zu kombinieren, um eine Maschine zu schaffen, bei der Nutzer für einen Moment vergessen, dass sie mit einem Computer sprechen
Einen schwarzweißen CRT-Fernseher als Sprach-Ausdrucksmedium wiederverwenden
- Beim verwendeten Fernseher handelt es sich um einen schwarzweißen CRT-Fernseher aus einer der letzten Generationen, der nach dem Zerlegen zum Ausdrucksmodul des neuen Roboters wurde
- Der CRT-Bildschirm liefert ein visuelles Element, das reagiert wie ein Mund, wenn der Roboter spricht
- Die Idee dahinter: Wenn Nutzer sehen, wie eine Stimme erzeugt wird, nehmen sie ihr Gegenüber eher als Wesen mit Selbstwahrnehmung oder Gefühlen wahr
- Auf der TV-Platine wurden der Flyback-Transformator, der horizontale Ausgangstransistor sowie Steuerleitungen für horizontale und vertikale Ablenkung identifiziert
- Der Erbauer zapfte das horizontale Signal an, das zur Röhre geführt wird, und verband es mit einem Audioverstärker und einer Audioquelle, sodass Sprachsignale auf dem Bildschirm sichtbar werden
Augen, Gesichtsverfolgung und Reaktion auf das Weckwort
- Für den Augenmechanismus wurde ein Design von Will Cogley von Milheim Mechatronics verwendet
- Es ist eine Konstruktion auf Basis von Arduino, mehreren Servos und 3D-Druck, die sich vergleichsweise schnell und günstig umsetzen lässt
- Der Erbauer verweist auf die entsprechenden Designdateien und den Animatronics-YouTube-Kanal als Referenz
- In ersten Tests trat Servo-Jitter auf; der Erbauer vermutete, dass die 3A-Grenze eines Buck-Converters zur Absenkung auf 5 V für sechs Servos nicht ausreicht
- Für die Steuerung der Augen kam der person sensor von Useful Sensors zum Einsatz
- Dabei handelt es sich um ein eigenständiges Kamera-Modul zur Gesichtserkennung, das über SparkFun erhältlich ist
- Der Erbauer entschied sich dafür, weil ihm Zeit und Programmierkenntnisse fehlten, um selbst einen Gesichtsverfolgungsalgorithmus zu entwickeln
- Dank dieses Sensors hält der Roboter Blickkontakt, auch wenn sich der Nutzer bewegt, und wirkt dadurch interaktiver als ein Gerät, das wie Alexa nur beim Sprechen reagiert
- Alexa ist so ausgelegt, dass sie nach dem Hören des Weckworts auf Fragen oder Befehle wartet, was nicht zu der sofortigen, lebewesenartigen Reaktion passte, die der Erbauer wollte
- Die Lösung bestand darin, den internen LED-Schaltkreis des Echo zu nutzen
- Wenn Alexa das Weckwort hört, geht die LED an
- Eines der RGB-Signal-Pads der LED fällt beim Einschalten von etwa 2.5V auf 1.1V ab
- Der Mikrocontroller erkennt diese Spannungsänderung und kann dadurch die gewünschte Aktion ohne zusätzliche Befehle auslösen
Zusammenbau des Gehäuses und Versuch und Irrtum
- Beim Herstellen der Augäpfel verzogen sich diese, als Harz erhitzt wurde, um Luftblasen zu entfernen
- Dadurch passten sie nicht mehr in die vorhandenen Formen und Halter, sodass die ursprünglich geplante Augapfel-Fertigung aufgegeben werden musste
- Um den zerlegten CRT-Fernseher, das Amazon Echo und den Augenmechanismus in einem einzigen Körper unterzubringen, wurde ein transparentes Acryl-Chassis entworfen
- Der Erbauer erinnert sich daran, wie er in der Grundschule einen Apple IIe mit transparenter Oberseite sah und dadurch erstmals verstand, dass das Innere eines Computers keine „magische Kiste“, sondern ein Ergebnis von Ingenieursarbeit ist
- Inspiriert von dieser Erfahrung entwarf er in Fusion 360 transparente Acrylplatten, ließ sie laserschneiden und baute ein Chassis, in dem die Komponenten sichtbar bleiben
- Die TV-Platine wurde platzsparend niedrig eingebaut, indem Schichten so ausgeschnitten wurden, dass um den Flyback-Transformator und den Kühlkörper herum Platz bleibt
Fertigstellung von Alexatron und seine Grenzen
- Die Endkonfiguration umfasst animatronische Augen, einen person sensor, Lautsprecher, zwei Verstärker, 8V- und 12V-Boost-Converter, die TV-Platine, das Echo-Gerät, einen separaten Netzschalter für die CRT sowie ein Steckermodul mit Sicherung und Netzschalter
- Das Amazon Echo sollte ursprünglich nur mit der Platine außerhalb des ursprünglichen Gehäuses verwendet werden, funktionierte so aber nicht richtig; wegen eines vermuteten Masseproblems wurde es wieder in sein Originalgehäuse eingebaut
- Statt eines kleineren Arduino-Boards, das durch Überspannung zerstört wurde, kam schließlich ein Arduino Mega zum Einsatz
- Der fertige Roboter reagiert auf das Weckwort „computer“ und nutzt CRT-Bildschirm und Augenmechanismus gemeinsam, um wie eine interaktive Figur zu wirken
- Der Erbauer nennt diesen Roboter Alexatron und sagt, es sei das bislang komplexeste Projekt, das er gebaut hat
- In den letzten drei Tagen verbrachte er jeweils etwa 15 Stunden täglich mit der Fehlersuche
- Die Zeit für die Beschaffung der Teile und die Herstellung von Komponenten in früheren Phasen ist darin nicht enthalten
- Das fertige System hat weiterhin Probleme
- Die Servos sind sehr laut und haben Jitter
- Aus dem Lautsprecher ist ein leises Brummen zu hören
- Trotzdem funktioniert das Gesamtsystem
- Alexatron ist ein Prototyp, der sich zu künftigen Versionen weiterentwickeln lässt; für mehr Interaktivität wäre jedoch ein Wechsel weg von der Alexa-Plattform hin zu einer GPT-AI-Plattform nötig
1 Kommentare
Hacker-News-Kommentare
Besonders unterhaltsam war sein Video über alte sowjetische Spielkonsolen.
https://www.youtube.com/watch?v=9mqXT-zj47s
Wenn man solche Projekte und Disneys jüngste erstaunliche Roboter (https://youtu.be/-cfIm06tcfA?si=D3SKsNekOaDQFeVU) sieht, scheint es nur eine Frage der Zeit zu sein, bis ziemlich real wirkende verkörperte Roboter in die Haushalte kommen.
Dazu werden sicher auch virale Videos entstehen, und ein Unternehmen, das so etwas zu einem attraktiven Preis verkaufen kann, dürfte irgendwann richtig viel Geld verdienen.
Auch der Roboter selbst sieht aus, als wäre er von J. F. Sebastian gebaut worden, daher fand ich es als Inszenierung ziemlich cool, ihn am Ende diesen Monolog sprechen zu lassen.
Ich habe nichts mit diesem Kanal zu tun, aber das Endergebnis ist wirklich großartig.
Solange man nicht den Finger hineinsteckt, während es eingeschaltet ist, sollte es gehen.
Wenn der Typ das Ganze selbst gebaut hat, hat er meiner Meinung nach genug Elektronikkenntnisse, um die Gefahren eines Zeilentrafos zu verstehen.
Der Strom sei so niedrig, dass es zwar weh tut, aber einen nicht umbringt; das Problem sei eher, dass man durch die Schreckreaktion an scharfen Kanten die Hand aufschneidet oder andere Stellen berührt, an denen gefährlichere Spannungen und Ströme anliegen.
Das ergibt Sinn, wenn man bedenkt, dass Sprachassistenten etwa zehn Jahre vor großen Sprachmodellen verbreitet waren und sich Sprachassistenten in keiner Weise jemals auch nur annähernd „lebendig“ angefühlt haben.
Wenn das Ökosystem großer Sprachmodelle etwas reifer ist, würde ich solche Produkte gern in Massenproduktion sehen. Da ich Sprachassistenten nie wirklich bequem nutzen konnte, könnte diese Form genau das Element sein, das die gesamte Erfahrung angenehmer macht.