Oprettelse ved fejl: 11 trin

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:26

Creation By Error udfordrer og tvinger os til at stille spørgsmålstegn ved vores antagelser om præcision og nøjagtighed af digitale enheder, og hvordan de bruges til at fortolke og forstå det fysiske miljø. Med en specialfremstillet robot, der udsender en aura af "aliveness" og et skræddersyet netværkssystem, fanger, sammenligner og materialiserer projektet uoverensstemmelser mellem vores fortolkning af den fysiske verden og robotsystemet. Vi er tvunget til at overveje den grad af tillid, vi har til de data, der skabes af mange digitale systemer. Creation By Error -robotten er placeret placeret mod en tom væg, der skal scannes. Pladsen er til, at deltagerne kan vandre rundt i installationen for at blive observeret, analyseret og arkiveret på ubestemt tid. De arkiverede data, der bruges, visualiseres og projiceres i realtid ved siden af robotten. En statisk hængende mobil hænges i nærheden. Det viser den gennemsnitlige fejl i de målinger, der blev indsamlet over en time. IRL -afstandsmålingerne fra robotten til væggen blev beregnet og derefter adskilt med de 100.000+ datapunkter, der blev indsamlet. Det er disse forskellige målinger, der danner mobilens form.

Kontrasten mellem realtid dataprojektion og mobil skabt gennem fejl åbner diskussion omkring niveauet af nøjagtighed og sandhed, som disse data kan have, især når disse digitale systemer begynder at entydigt fortolke deres omgivelser ligesom mennesker. Forståelsen af den fysiske verden ved digitale systemer er muligvis ikke så mekanisk og modstandsdygtig over for fortolkning, som man engang troede.

Trin 1: Intro

Hvad det endelige output bliver

Trin 2: Fremstilling

Der var et par forskellige iterationer, som jeg prøvede til beslagene, der bruges til at montere motoren på stativet. og derefter ultralydssensoren til motoren. I hans billede har jeg vist beslagene, der holder en motor/sensorenhed monteret på en tavle. Hvis du skal lave mange af disse sensorobjekter, er tavlen ret praktisk til test.

I de næste trin går jeg gennem de forskellige materialer, der kan bruges til at bygge enheden. Jeg prøvede med både håndfremstillede aluminiumsbeslag, laserskæring af akrylbeslag og at få en maskine til at fremstille aluminium i bulk.

Afhængigt af din æstetiske præference og hvad du har adgang til, vil jeg anbefale laserskåret akryl som den mest effektive brug af tidseffektiv, så var fremstilling af aluminiumsbeslag også en god oplevelse, men du har brug for adgang til en butik, og det er lidt tidskrævende. Endelig ville en rigtig maskine med adgang til enten en plasmaskærer, vandstråle eller CNC med høj effekt ideelt set være den bedste, men kun for bulkordrer, da den er den dyreste.

Sæt målene for træstykkerne til fremstilling af stativet samt billeder til stativerne.

Trin 3: Aluminiumsbeslag

Hvis du vil lave aluminiumsbeslagene enten i hånden eller gennem en maskinforretning, skal du kende beslagets dimensioner. Der er et billede inkluderet i dimensionerne.

At lave beslag i hånden

Når jeg lavede beslagene i hånden, brugte jeg en aluminium "I-bar" fra en isenkræmmerbutik. Det var noget i retning af 1 "x 4 'X 1/8". Jeg skar beslagene med en hacksav og begyndte derefter at skære de nødvendige hak ud. Til bolthullerne brugte jeg en boremaskine. Jeg vil anbefale bare at bruge en smule, der passer til skruerne, der fulgte med din servo, til at fastgøre servoarmen til ultralyds "L -beslaget". Og brug også en smule, der passer til radius på de skruer, du skal bruge til at fastgøre beslaget, der holder servoen og montere den på stativet.

Til bøjning af beslagene satte jeg beslagene i en skruestik, så bøjningslinjen vist på billedet flugter med toppen af skruestikken. Jeg tog derefter en gummihammer og hamrede aluminiumet ned 90 grader.

Anbefalinger

Jeg vil anbefale, at du skærer hakene ud af beslaget, inden du bøjer det.

Det er også nyttigt at indsætte beslaget med den hakkede halvdel af beslaget, der holdes af skruestikken. Dette vil sikre en meget mere jævn bøjning af aluminiumet.

Trin 4: Laserskærede beslag

Hvis du beslutter dig for at gå laserskåret med enten akryl eller aluminium, er forhåbentlig.ai -filen med dimensionerne nyttig til at få dette ind i butikken.

Når alle de flade beslag er skåret, skal du også bøje dem. Til dette brugte jeg en 90-graders jig, en opvarmet pistol med malingsfjerner og et par hjælpende hænder.

Jeg havde en varmepistol liggende, som jeg brugte til forskellige projekter, men jeg brugte en varmepistol, der ligner Milwaukee en med to varmeindstillinger.

Hvis du vil få en værksted til at fremstille beslagene normalt for en lille smule ekstra, vil de lægge beslagene gennem en metalbøjle eller trykke og gøre dette for dig. Hvis det er din rute … gør det.

Trin 5: Programmering + Github

Opsætning af en PubNub -konto til at streame data

github.com/jshaw/creation_by_error

github.com/jshaw/creation_by_error_process…

Trin 6: PubNub -integration

Derefter skal alle de værdifulde og interessante data, du skal samle, 1) gemmes et sted 2) streames / sendes nogle til visualiseringsappen. Til dette vælger jeg PubNub for dets datastreaming -muligheder.

Du vil gerne gå til https://www.pubnub.com/, oprette en konto og derefter oprette en ny PubNub -kanal.

Du vil oprette en konto og derefter oprette en ny app.

Når du har oprettet appen, skal du gå til nøgleoplysningerne. Som standard får denne nøgle navnet Demo Keyset.

Jeg har inkluderet et billede for at få datastreamingen til at fungere korrekt med behandling og "GET" anmodninger, der kræves for at offentliggøre data. Nedenfor er de indstillinger, jeg har konfigureret.

• Tilstedeværelse => TIL
• Meddel Max => 20
• Interval => 20
• Globalt her nu => markeret
• Debounce => 2

• Opbevaring og afspilning => TIL

  Retention => Ubegrænset tilbageholdelse

• Stream Controller => TIL
• Realtime Analytics => TIL

De næste trin er forbundet med ESP8266 -chipprogrammeringen og programmeringen af Processing -appen.

Trin 7: Arduino

program Arduino

Mit opsætning, jeg brugte, kørte arduino -platformen og brugte Arduino IDE med Adafruit Feather HUZZAH ESP8266 -chippen. Dette var temmelig nyttigt med forbindelser til wifi osv. Men jeg fandt ud af, at der var nogle fejl, der brugte visse biblioteker med tavlen.

For at hjælpe dig med at sætte dig i gang med chippen er dette, hvad du får brug for. En anden rigtig god ressource er på Adafruit-chip-produktsiden her:

• En Adafruit Feather HUZZAH ESP8266 -chip (link)
• Arduino installeres på chippen, så den ikke bare kører MicroPi
• Jeg var nødt til at porte Arduino NewPing -biblioteket for at arbejde på HUZZAH:
• Jeg overførte også Ken Perlins SimplexNoise C ++ -algoritme til et Arduino -bibliotek til dette projektthttps://github.com/jshaw/SimplexNoise

Jeg vil bemærke, at arduino -koden har 3 tilstande. Fra, feje og SimplexNoise.

• Fra: ikke scanning, ikke afsendelse til PubNub, ikke kontrol af servoen
• Fejning: Styr servoen og foretag målinger fra 0 grader til 180 og tilbage igen. Dette gentager sig bare.

github.com/jshaw/creation_by_error

Trin 8: Skemaer

elektroniske skemaer

Trin 9: Behandling

programmering af visualiseringer

github.com/jshaw/creation_by_error_processing

Trin 10: Fysikalisering

Med dataene kan du foretage nogle store fysikaliseringer om, hvordan digitale enheder opfatter deres miljø og menneskelige interaktion.

Med de data, jeg har indsamlet med et par forskellige iterationer af Creation by Error, har jeg været i stand til at formidle og repræsentere data på en lang række måder. Det hjælper også, da elektronikken skubber alle deres indsamlede data gennem PubNub, fordi den ikke kun streamer dataene til enhver kanal, der lytter med nøglen, den gemmer og arkiverer også disse data til senere brug.

Ved hjælp af dataene har jeg været i stand til at oprette fysikaliseringer, der formidler den antropomorfe fortolkning af disse tilsluttede enheder og skaber nogle smukke kunstværker i processen.

Det første træstykke er 10 minutter den… dato den juli….. 2016. datapunkterne blev eksporteret fra behandlingsskitsen ved hjælp af n-e-r-v-o-u-s Systems (https://n-e-r-v-o-u-s.com) OBJ eksportbehandlingsbibliotek og importeret til Rhino 3d. Inden for Rhino var jeg nødt til at konvertere OBJ -netværket til et NURBS -objekt for at kunne indsætte objektet i modellen af det stykke træ, jeg lavede. Dette indlæg kunne bruges af CNC -teknikeren til at fræse repræsentationen af de afstande, der blev målt af ultralydssensorer over en periode.

Det andet stykke blev skabt ved at scanne en tom væg i en time. Jeg sammenlignede derefter middelværdien af de indsamlede datamålinger for 9 vinkler, som servoen målte mod sensorens faktiske position, og hvad målingerne ville have været. Den strukturerede mobil, der hænger fra loftet, er den akkumulative fejlforskel mellem, hvad sensoren læser, og hvad de faktiske matematisk / geometrisk beregnede afstande er IRL. Det interessante aspekt af dette stykke er, at fejlen, som teknologien har foretaget i sin sansning og fortolkning, har taget en fysikaliseret form, der kvantificerer opfattelsen af teknologi.

For at gøre denne hængende mobil oprettede jeg 'ribbenene' fra dyvler og skabte formularen. I fremtiden ville det være godt at oprette dette inden for en CAD- eller.ai -fil for at kunne få disse ribber laserskåret ud af træ frem for at skulle fremstille dem.

Den endelige "fysikalisering" er mere en datavisualisering, der køres ind gennem det behandlings script, som jeg har linket til på GitHub i denne Instructables. Det skal fungere og skabe en realtidsdatavisualisering af rummet foran det.

Trin 11: Potentiel udvidelse

Potentiel udvidelse.. hvad kan dette udvides eller potentialer for projekter som dette

Områder i baghovedet for at udvide eller fortsætte dette projekt eller endda forskellige iterationer af det ville være at tilføje flere stativer og opdatere hver Arduino -kode til at videregive i den korrekte id for stativet. dette kan muliggøre korrekt repræsentativ positionering i behandlingsskitsen, hvor flere stativer er placeret i et rum.

Jeg arbejder også på en gitteret række af disse objekter på et pegboard, der kan totalisere sensorer og skabe en meget lo-fi point sky af teknologiens opfattelse, der kan give os mulighed for at projicere vores antropomorfe meninger om teknologisk opfattelse på verden.