Skapande av fel: 11 steg

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:38

Creation By Error utmanar och tvingar oss att ifrågasätta våra antaganden om precision och noggrannhet hos digitala enheter och hur de används för att tolka och förstå den fysiska miljön. Med en specialtillverkad robot som avger en aura av "levande" och ett skräddarsytt nätverkssystem, fångar, jämför och materialiserar projektet avvikelserna mellan vår tolkning av den fysiska världen och den i robotsystemet. Vi tvingas överväga graden av förtroende vi har för data som skapas av många digitala system. Roboten Creation By Error är placerad placerad inför en tom vägg som ska skannas. Utrymmet är för deltagarna att vandra runt i installationen för att observeras, analyseras och arkiveras på obestämd tid. Den arkiverade data som används visualiseras och projiceras i realtid bredvid roboten. En statisk hängande mobil hängs i närheten. Det visar det genomsnittliga felet för mätningarna som samlades in under en timme. IRL -avståndsmätningarna från roboten till väggen beräknades och skiljde sig sedan med de 100 000+ datapunkterna som samlades in. Det är dessa olika mått som bildar mobilens form.

Kontrasten mellan dataprojektionen i realtid och mobilen som skapas genom fel öppnar diskussioner kring graden av noggrannhet och sanning som dessa data kan ha, särskilt när dessa digitala system unikt tolkar sin omgivning precis som människor. Förståelsen av den fysiska världen med digitala system är kanske inte så mekanisk och tolkningsresistent som man en gång trodde.

Steg 1: Intro

Vad den slutliga produktionen blir

Steg 2: Tillverkning

Det var några olika iterationer som jag försökte för fästena som används för att montera motorn på stativet. och sedan ultraljudssensorn till motorn. I hans bild har jag visat fästena som håller en motor/sensorenhet monterad på en pegbräda. Om du ska göra många av dessa sensorobjekt är pegbrädan ganska praktiska för testning.

I nästa steg går jag igenom de olika materialen som kan användas för att bygga enheten. Jag försökte med både handgjorda aluminiumfästen, laserskärande akrylfästen och att få en verkstad för att tillverka aluminium i bulk.

Beroende på din estetiska preferens och vad du har tillgång till skulle jag rekommendera laserskuren akryl som den mest effektiva användningen av tidseffektiva, att göra aluminiumfästen för hand var också en bra upplevelse men du behöver tillgång till en butik och det är lite tidskrävande. Slutligen skulle en verklig maskinhandel med tillgång till antingen en plasmaskärare, vattenstråle eller högeffekts -CNC helst vara det bästa, men bara för bulkorder eftersom det är det dyraste.

Sätt måtten för träbitarna för att göra stativet samt bilder för stativen.

Steg 3: Aluminiumfästen

Om du ska göra aluminiumfästena antingen för hand eller genom en verkstad måste du känna till fästenas dimensioner. Det finns en bild som ingår i måtten.

Att göra fästen för hand

När jag gjorde fästena för hand använde jag en "I-bar" av aluminium från en järnaffär. Det var ungefär 1 "x 4 'X 1/8". Jag kapade fästena med en hacksåg och började sedan klippa ut de nödvändiga skårorna. För bulthålen använde jag en borr. Jag rekommenderar att du bara använder en bit som passar skruvarna som följde med din servo, för att fästa servoarmen på ultraljudet "L -fäste". Och använd också en bit som passar radien på skruvarna du ska använda för att fästa fästet som håller servon och montera den på stativet.

För att böja fästena sätter jag in fästena i en skruvstång så att böjlinjen som visas på bilden är i linje med toppen av skruvstaven. Jag tog sedan en gummiklubba och hamrade ner aluminiumet 90 grader.

Rekommendationer

Jag rekommenderar att du skär ut skårorna ur fästet innan du böjer det.

Det är också bra att sätta in fästet med den hackade halvan av fästet som hålls av skruven. Detta kommer att säkerställa en mycket jämnare böjning av aluminiumet.

Steg 4: Laserskärningsfästen

Om du bestämmer dig för att gå laserskurna vägen med antingen akryl eller aluminium, förhoppningsvis är.ai -filen med måtten till hjälp för att få detta in i butiken.

När alla plattfästen har skurits måste du också böja dem. För detta använde jag en 90-graders jigg, en uppvärmd pistol och ett par hjälpande händer.

Jag hade en värmepistol som jag använde för olika projekt men jag använde en värmepistol som liknar Milwaukee en med dubbla värmeinställningar.

Om du ska skaffa en verkstad för att tillverka fästena vanligtvis för lite extra, kommer de att fästa fästena genom en metallbockare eller trycka och göra detta åt dig. Om det är din väg … gör det.

Steg 5: Programmering + Github

Skapa ett PubNub -konto för att strömma data

github.com/jshaw/creation_by_error

github.com/jshaw/creation_by_error_process …

Steg 6: PubNub -integration

Därefter måste all den värdefulla och intressanta informationen som du ska samla 1) lagras någonstans 2) streamas / skickas lite till visualiseringsappen. För detta väljer jag PubNub för dess dataströmningsfunktioner.

Du kommer att vilja gå till https://www.pubnub.com/, skapa ett konto och sedan skapa en ny PubNub -kanal.

Du vill skapa ett konto och sedan skapa en ny app.

När du har skapat appen måste du gå till nyckelinformationen. Som standard kommer denna nyckel att heta Demo Keyset.

Jag har inkluderat en bild för att få dataströmningen att fungera korrekt med bearbetnings- och "GET" -förfrågningar som krävs för att publicera data. Nedan finns de inställningar som jag har konfigurerat.

• Närvaro => PÅ
• Meddela Max => 20
• Intervall => 20
• Globalt här nu => markerat
• Debounce => 2

• Lagring och uppspelning => PÅ

  Retention => Obegränsad lagring

• Stream Controller => ON
• Realtidsanalys => PÅ

Nästa steg är associerade med ESP8266 -chipsprogrammering och programmering av Processing -appen.

Steg 7: Arduino

programmet Arduino

Min inställning jag använde var att köra arduino -plattformen och använda Arduino IDE med Adafruit Feather HUZZAH ESP8266 -chipet. Detta var ganska bra med anslutningar till wifi etc. Men jag fann att det fanns några buggar som använde vissa bibliotek med styrelsen.

Det här behöver du för att få dig att starta och köra med chippet. En annan riktigt bra resurs finns på produktsidan för Adafruit-chip som finns här:

• Ett Adafruit Feather HUZZAH ESP8266 -chip (länk)
• Arduino installeras på chipet så att det inte bara kör MicroPi
• Jag var tvungen att porta Arduino NewPing -biblioteket för att arbeta med HUZZAH:
• Jag har också överfört Ken Perlins SimplexNoise C ++ - algoritm till ett Arduino -bibliotek för detta projekt

Jag vill notera att arduino -koden har 3 tillstånd. Av, svep och SimplexNoise.

• Av: skannar inte, skickar inte till PubNub, styr inte servon
• Sopa: Kontrollera servon och ta mätningar från 0 grader till 180 och tillbaka igen. Detta upprepas bara.

github.com/jshaw/creation_by_error

Steg 8: Scheman

elektroniska scheman

Steg 9: Bearbetning

programmering av visualiseringar

github.com/jshaw/creation_by_error_processing

Steg 10: Fysikalisering

Med data kan du göra några bra fysikaliseringar om hur digitala enheter uppfattar sin miljö och mänskliga interaktion.

Med data som jag har samlat in med några olika iterationer av Creation by Error har jag kunnat förmedla och representera data på en mängd olika sätt. Det hjälper också eftersom elektroniken driver all sin insamlade data genom PubNub eftersom den inte bara strömmar data till någon kanal som lyssnar med nyckeln, den lagrar och arkiverar också denna data för senare användning.

Med hjälp av data har jag kunnat skapa fysikaliseringar som förmedlar den antropomorfa tolkningen av dessa anslutna enheter och skapar några vackra konstverk i processen.

Den första träbiten är 10 minuter den… datum den … juli 2016. datapunkterna exporterades från bearbetningsskissen med hjälp av n-e-r-v-o-u-s Systems (https://n-e-r-v-o-u-s.com) OBJ exportbearbetningsbibliotek och importerades till Rhino 3d. Inom Rhino behövde jag konvertera OBJ -nätet till ett NURBS -objekt för att kunna lägga in objektet i modellen av träbiten jag skapade. Denna inläggning kunde användas av CNC -tekniker för att fräsa fram representationen av avstånden som mättes av ultraljudssensorer över en tidsperiod.

Det andra stycket skapades genom att skanna en tom vägg i en timme. Jag jämförde sedan medelvärdet av de insamlade datamätningarna för 9 vinklar som servon mätte mot sensorns faktiska position och vad mätningarna skulle ha varit. Den strukturerade mobilen som hänger från taket är den ackumulativa felskillnaden mellan vad sensorn läser och vad de faktiska matematiskt / geometriskt beräknade avstånden är IRL. Den intressanta aspekten av detta stycke är att tekniska fel i dess avkänning och tolkning har tagit en fysikaliserad form som kvantifierar teknikuppfattningen.

För att göra den här hängande mobilen skapade jag 'revbenen' från pluggar och skapade formuläret. I framtiden skulle det vara bra att skapa detta i en CAD- eller.ai -fil för att kunna ha dessa revben laserskurna ur trä snarare än måste tillverka dem.

Den sista "fysikaliseringen" är mer en datavisualisering som körs in genom bearbetningsskriptet som jag har länkat till på GitHub i denna instruktion. Det ska fungera och skapa en realtidsdatavisualisering av utrymmet framför det.

Steg 11: Potentiell expansion

Potentiell expansion.. vad kan detta utökas eller potentialer för projekt som detta

Områden i bakhuvudet för att expandera eller fortsätta detta projekt eller till och med olika iterationer av det skulle vara att lägga till flera stativ och uppdatera varje Arduino -kod för att skicka in rätt id för stativet. detta kan möjliggöra korrekt representationspositionering i bearbetningsskissen där multipla stativ placeras i ett rum.

Jag arbetar också med en rostfri uppsättning av dessa objekt på en pegbräda som kan totalt sensorer och skapa ett mycket lo-fi-moln av teknikens uppfattning som kan tillåta oss att projicera våra antropomorfa åsikter om teknikuppfattning på världen.