Tworzenie przez błąd: 11 kroków

2024 Autor: John Day | [email protected]. Ostatnio zmodyfikowany: 2024-01-30 11:28

Creation By Error kwestionuje i zmusza nas do zakwestionowania naszych założeń dotyczących precyzji i dokładności urządzeń cyfrowych oraz sposobu, w jaki są one wykorzystywane do interpretacji i zrozumienia środowiska fizycznego. Dzięki wykonanemu na zamówienie robotowi, który emituje aurę „żywotności” i stworzonemu na zamówienie systemowi sieciowemu, projekt wychwytuje, porównuje i materializuje rozbieżności między naszą interpretacją świata fizycznego i systemu robotycznego. Jesteśmy zmuszeni kontemplować poziom zaufania, jakim darzymy dane, które są tworzone przez wiele systemów cyfrowych. Robot Creation By Error jest ustawiony naprzeciw pustej ściany, która ma zostać zeskanowana. Przestrzeń służy uczestnikom do wędrowania po instalacji, bycia obserwowanym, analizowanym i archiwizowanym w nieskończoność. Zarchiwizowane dane są wizualizowane i wyświetlane w czasie rzeczywistym obok robota. W pobliżu zawieszona jest nieruchoma wisząca komórka. Wyświetla średni błąd pomiarów zebranych w ciągu godziny. Pomiary odległości IRL od robota do ściany zostały obliczone, a następnie porównane z ponad 100 000 zebranymi punktami danych. To właśnie te różne wymiary kształtują kształt telefonu komórkowego.

Kontrast między projekcją danych w czasie rzeczywistym a telefonem tworzonym przez błąd otwiera dyskusję na temat poziomu dokładności i prawdziwości tych danych, zwłaszcza gdy te systemy cyfrowe zaczynają w unikalny sposób interpretować swoje otoczenie, tak jak ludzie. Rozumienie świata fizycznego przez systemy cyfrowe może nie być tak mechaniczne i oporne na interpretację, jak kiedyś sądzono.

Krok 1: Wprowadzenie

Jaki będzie ostateczny wynik

Krok 2: Produkcja

Było kilka różnych iteracji, które wypróbowałem dla wsporników używanych do montażu silnika na stojaku. a następnie czujnik ultradźwiękowy do silnika. Na jego obrazie pokazałem wsporniki trzymające jednostkę silnika/czujnika zamontowaną do pegboard. Jeśli zamierzasz wykonać wiele z tych czujników, tablica do przypinania jest bardzo przydatna do testowania.

W kolejnych krokach przechodzę przez różne materiały, które można wykorzystać do budowy jednostki. Próbowałem zarówno ręcznego wytwarzania wsporników aluminiowych, wycinania laserowego wsporników akrylowych, jak i zlecenia warsztatu mechanicznego do masowej produkcji aluminium.

W zależności od preferencji estetycznych i tego, do czego masz dostęp, polecam laserowo wycinany akryl jako najbardziej efektywne wykorzystanie czasu, wtedy ręczne wykonanie aluminiowych wsporników również było dobrym doświadczeniem, ale potrzebujesz dostępu do sklepu i to trochę czasochłonne. Wreszcie użycie prawdziwego warsztatu mechanicznego z dostępem do wycinarki plazmowej, strumienia wody lub CNC o dużej mocy byłoby idealne, ale tylko w przypadku zamówień masowych, ponieważ jest to najdroższe.

Umieść wymiary kawałków drewna do wykonania stojaka oraz zdjęcia stojaków.

Krok 3: Wsporniki aluminiowe

Jeśli zamierzasz wykonać aluminiowe wsporniki ręcznie lub w warsztacie mechanicznym, musisz znać wymiary wsporników. Do wymiarów dołączony jest obraz.

Wykonywanie wsporników ręcznie

Do ręcznego wykonania wsporników użyłem aluminiowego „I-bara” ze sklepu z narzędziami. To było mniej więcej 1" x 4' X 1/8". Wyciąłem wsporniki piłą do metalu, a następnie zacząłem wycinać wymagane nacięcia. Do otworów na śruby użyłem wiertarki. Polecam użycie tylko końcówki, która będzie pasować do śrub dostarczonych z serwomechanizmem, aby przymocować ramię serwomechanizmu do ultradźwiękowego "wspornika L". A także użyj bitu pasującego do promienia śrub, których zamierzasz użyć, aby przymocować wspornik, który przytrzymuje serwo i montuje go do stojaka.

W celu wygięcia wsporników włożyłem wsporniki do imadła tak, aby linia zgięcia pokazana na obrazku była równo z górną krawędzią imadła. Następnie wziąłem gumowy młotek i wbiłem aluminium pod kątem 90 stopni.

Zalecenia

Polecam wyciąć nacięcia ze wspornika przed jego wygięciem.

Pomocne jest również wprowadzenie wspornika z naciętą połową wspornika przytrzymywaną przez imadło. Zapewni to znacznie bardziej równomierne wygięcie aluminium.

Krok 4: Wsporniki wycinane laserowo

Jeśli zdecydujesz się przejść laserowo wycinaną trasą z akrylem lub aluminium, miejmy nadzieję, że plik.ai z wymiarami będzie pomocny w wprowadzeniu tego do sklepu.

Po przycięciu wszystkich płaskich wsporników trzeba je również wygiąć. W tym celu użyłem przyrządu pod kątem 90 stopni, rozgrzanego pistoletu do usuwania farby i pary pomocnych dłoni.

Miałem opalarkę, wokół której używałem do różnych projektów, ale użyłem opalarki podobnej do tej z Milwaukee z podwójnymi ustawieniami ciepła.

Jeśli masz zamiar wyprodukować wsporniki w warsztacie, zwykle za dodatkową opłatą przełoży wsporniki przez metalową giętarkę lub prasę i zrobi to za Ciebie. Jeśli to twoja trasa… zrób to.

Krok 5: Programowanie + Github

Konfigurowanie konta PubNub do przesyłania strumieniowego danych

github.com/jshaw/creation_by_error

github.com/jshaw/creation_by_error_process…

Krok 6: Integracja z PubNub

Następnie wszystkie cenne i interesujące dane, które zamierzasz zbierać, muszą być 1) przechowywane gdzieś 2) przesyłane strumieniowo / wysyłane do aplikacji wizualizacyjnej. W tym celu wybrałem PubNub ze względu na możliwości przesyłania strumieniowego danych.

Będziesz chciał przejść do https://www.pubnub.com/, założyć konto, a następnie utworzyć nowy kanał PubNub.

Chcesz utworzyć konto, a następnie utworzyć nową aplikację.

Po utworzeniu aplikacji musisz przejść do kluczowych informacji. Domyślnie ten klucz będzie miał nazwę Demo Keyset.

Dołączyłem obraz, aby strumieniowanie danych działało poprawnie z żądaniami Processing i „GET” wymaganymi do publikowania danych. Poniżej znajdują się ustawienia, które skonfigurowałem.

• Obecność => WŁ
• Ogłoś Max => 20
• Interwał => 20
• Globalne tu teraz => zaznaczone
• Odbicie => 2

• Przechowywanie i odtwarzanie => WŁ

  Retencja => Nieograniczona retencja

• Kontroler strumienia => WŁ
• Analityka w czasie rzeczywistym => WŁĄCZONA

Kolejne kroki związane są z programowaniem układu ESP8266 oraz programowaniem aplikacji Processing.

Krok 7: Arduino

program Arduino

Mój zestaw, z którego korzystałem, polegał na uruchomieniu platformy arduino i użyciu Arduino IDE z układem Adafruit Feather HUZZAH ESP8266. Było to bardzo pomocne w przypadku połączeń z Wi-Fi itp. Jednak odkryłem, że było kilka błędów związanych z korzystaniem z niektórych bibliotek z płytą.

Aby pomóc Ci w skonfigurowaniu i uruchomieniu z chipem, tego będziesz potrzebować. Innym naprawdę dobrym źródłem informacji jest strona produktu z chipsami Adafruit znajdująca się tutaj:

• Chip Adafruit Feather HUZZAH ESP8266 (link)
• Arduino instaluje się na chipie, więc nie tylko uruchamia MicroPi
• Musiałem przenieść bibliotekę Arduino NewPing do pracy na HUZZAH:
• Przeniosłem również algorytm SimplexNoise C++ Kena Perlina do biblioteki Arduino dla tego projektuhttps://github.com/jshaw/SimplexNoise

Chcę zauważyć, że kod arduino ma 3 stany. Wyłącz, zamiataj i SimplexNoise.

• Off: nie skanuje, nie wysyła do PubNub, nie kontroluje serwa
• Sweep: kontroluj serwo i wykonuj pomiary od 0 stopni do 180 i z powrotem. To się po prostu powtarza.

github.com/jshaw/creation_by_error

Krok 8: Schematy

schematy elektroniki

Krok 9: Przetwarzanie

programowanie wizualizacji

github.com/jshaw/creation_by_error_processing

Krok 10: Fizyzalizacja

Dzięki danym możesz dokonać świetnych fizjalizacji tego, jak urządzenia cyfrowe postrzegają swoje środowisko i interakcje międzyludzkie.

Dzięki danym, które zebrałem w kilku różnych iteracjach Creation by Error, mogłem przekazywać i reprezentować dane na wiele sposobów. Pomaga to również, ponieważ elektronika przesyła wszystkie zebrane dane przez PubNub, ponieważ nie tylko przesyła dane do dowolnego kanału, który nasłuchuje za pomocą klucza, ale także przechowuje i archiwizuje te dane do późniejszego wykorzystania.

Korzystając z danych, udało mi się stworzyć fizykalizacje, które przekazują antropomorficzną interpretację tych połączonych urządzeń i jednocześnie tworzą piękne dzieła sztuki.

Pierwszy drewniany kawałek ma 10 minut w dniu … lipca … 2016 r. Punkty danych zostały wyeksportowane ze szkicu obróbki za pomocą n-e-r-v-o-u-s Systems (https://n-e-r-v-o-u-s.com) Biblioteka przetwarzania eksportu OBJ i zaimportowana do Rhino 3d. W Rhino musiałem przekonwertować siatkę OBJ na obiekt NURBS, aby móc umieścić obiekt w modelu kawałka drewna, który stworzyłem. Ta wkładka mogła być wykorzystana przez technika CNC do wyfrezowania reprezentacji odległości mierzonych przez czujniki ultradźwiękowe przez pewien czas.

Drugi element powstał poprzez skanowanie pustej ściany przez godzinę. Następnie porównałem średnią z pomiarów zebranych danych dla 9 kątów, które serwo zmierzył z rzeczywistą pozycją czujnika i jakie byłyby pomiary. Ustrukturyzowany telefon zwisający z sufitu jest skumulowaną różnicą błędu między tym, co odczytuje czujnik, a rzeczywistymi matematycznie / geometrycznie obliczonymi odległościami IRL. Ciekawym aspektem tego artykułu jest to, że błąd popełniony przez technologię w jego wykrywaniu i interpretacji wziął fizyczna forma, która określa ilościowo postrzeganie technologii.

Aby zrobić to wiszące mobilne, stworzyłem „żebra” z kołków i stworzyłem formę. W przyszłości dobrze byłoby utworzyć to w pliku CAD lub.ai, aby móc laserowo wycinać te żebra z drewna, a nie konieczność ich sfabrykowania.

Ostateczna „fizykalizacja” jest bardziej wizualizacją danych, która jest uruchamiana za pomocą skryptu przetwarzania, do którego połączyłem się na GitHub w tym Instructables. Powinien działać i tworzyć wizualizację danych w czasie rzeczywistym przestrzeni przed nią.

Krok 11: Potencjalna ekspansja

Potencjalna ekspansja.. co można by to rozszerzyć lub potencjały dla takich projektów

Obszary z tyłu mojej głowy do rozwijania lub kontynuowania tego projektu, a nawet różnych jego iteracji, to dodanie wielu podstawek i aktualizacja każdego kodu Arduino, aby przekazać poprawny identyfikator podstawki. może to pozwolić na właściwe pozycjonowanie reprezentacyjne w szkicu obróbki, w którym wiele stojaków jest umieszczonych w pomieszczeniu.

Pracuję również nad siatkową tablicą tych obiektów na tablicy, która może zsumować czujniki i stworzyć bardzo lo-fi-punktową chmurę percepcji technologii, która może pozwolić nam rzutować nasze antropomorficzne opinie na temat percepcji technologii na świat.