मैंने बनाया अब तक का सबसे शानदार रोबोट [वीडियो]

• Amazon Echo में animatronic आँखें और एक काला-सफेद CRT TV जोड़कर उसे ऐसे रोबोट Alexatron में बदला गया जो एक voice assistant से ज़्यादा एक किरदार जैसा महसूस होता है
• CRT TV में horizontal signal को audio signal से बदलना एक मुख्य अभिव्यक्ति तंत्र है, जिससे रोबोट के बोलते समय स्क्रीन मुँह की हरकत की तरह प्रतिक्रिया देती है
• आँखों का मैकेनिज़्म Arduino, servo और 3D printer आधारित डिज़ाइन पर बना है, और Useful Sensors के person sensor से इसे उपयोगकर्ता के चेहरे का पीछा करने लायक बनाया गया है
• Alexa के wake word पहचानने के बाद जलने वाले LED circuit में voltage बदलाव पढ़कर, बिना किसी अलग command के आँखों और मूवमेंट को तुरंत सक्रिय किया जाता है
• तैयार सिस्टम काम करता है, लेकिन servo noise, jitter और speaker hum अभी भी मौजूद हैं; यह एक prototype है, और अधिक मज़बूत interaction के लिए Alexa की जगह GPT AI platform की ज़रूरत मानी गई है

---

किरदार जैसा महसूस होने वाला voice assistant बनाना

• निर्माता याद करता है कि बचपन में उसने भविष्य के कंप्यूटर को सिर्फ मशीन नहीं, बल्कि व्यक्तित्व और मौजूदगी वाले “computer lifeform” जैसा सोचा था
• आज कई घरों में Alexa जैसे voice assistant हैं, लेकिन उनका रूप ज़्यादातर रसोई के काउंटर पर रखे छोटे डिवाइस जैसा है और उनमें किरदारपन की कमी है
• लक्ष्य था Alexa को hack करके animatronics और पुराने TV स्क्रीन के साथ जोड़ना, ताकि उपयोगकर्ता कुछ देर के लिए यह भूल जाए कि वह कंप्यूटर से बात कर रहा है

काले-सफेद CRT TV को voice expression device के रूप में फिर से इस्तेमाल करना

• इस्तेमाल किया गया TV लगभग आख़िरी पीढ़ी का काला-सफेद CRT television था, जिसे खोलकर नए रोबोट के expression device में बदल दिया गया
• CRT स्क्रीन रोबोट के बोलते समय मुँह जैसी प्रतिक्रिया देने वाला एक visual element देती है
  • इरादा यह है कि जब उपयोगकर्ता आवाज़ को बनते हुए देखता है, तो सामने वाले को आत्म-जागरूकता या भावनाओं वाले अस्तित्व की तरह स्वीकार करना आसान होता है
• TV board पर flyback transformer, horizontal output transistor, और horizontal·vertical deflection control lines की पहचान की गई
• निर्माता ने tube तक जाने वाले horizontal signal को intercept करके उसे audio amplifier और audio source से जोड़ा, ताकि स्क्रीन पर voice signal दिखाई दे

आँखें, face tracking, और wake word reaction

• आँखों का मैकेनिज़्म Milheim Mechatronics के Will Cogley द्वारा बनाए गए डिज़ाइन पर आधारित है
  • यह Arduino, कई servo और 3D printer की मदद से अपेक्षाकृत तेज़ और कम लागत में बनाया जा सकने वाला ढाँचा है
  • निर्माता ने उस डिज़ाइन फ़ाइल और animatronics YouTube चैनल को संदर्भ के रूप में पेश किया
• शुरुआती टेस्ट में servo jitter दिखा, और 5V तक घटाने वाले buck converter की 3A limit को 6 servos के लिए पर्याप्त न होने की आशंका जताई गई
• आँखों के नियंत्रण के लिए Useful Sensors का person sensor इस्तेमाल किया गया
  • यह SparkFun पर उपलब्ध एक standalone face-tracking camera unit है
  • सीधे face-tracking algorithm बनाने के लिए समय और programming क्षमता की कमी के कारण यह पार्ट चुना गया
• इस sensor की वजह से रोबोट उपयोगकर्ता के हिलने पर भी नज़र मिलाए रखता है, और सिर्फ Alexa की तरह बोलते समय प्रतिक्रिया देने वाले डिवाइस की तुलना में अधिक सक्रिय interaction का एहसास देता है
• Alexa को इस तरह डिज़ाइन किया गया है कि वह wake word सुनने के बाद सवाल या command का इंतज़ार करे, जो निर्माता की चाही गई तुरंत जीवित-सी प्रतिक्रिया से मेल नहीं खाता था
• समाधान Echo के अंदर के LED circuit का इस्तेमाल करना था
  • Alexa जब wake word सुनती है, तो LED जल उठती है
  • LED के RGB signal pads में से एक, LED जलने पर लगभग 2.5V से 1.1V तक गिर जाता है
  • microcontroller इस voltage बदलाव को detect करके, बिना किसी अतिरिक्त command के वांछित action चला सकता है

मुख्य बॉडी की असेंबली और कोशिशें-गलतियाँ

• eyeball बनाते समय resin को गरम करके bubbles हटाने की कोशिश में eyeball टेढ़ा हो गया
  • नतीजतन वह मौजूदा mold और holder में फिर से फिट नहीं हुआ, और मूल eyeball निर्माण योजना छोड़नी पड़ी
• खोला गया CRT TV, Amazon Echo और आँखों के मैकेनिज़्म को एक ही बॉडी में रखने के लिए एक transparent acrylic chassis डिज़ाइन की गई
• निर्माता ने बताया कि बचपन में transparent top वाले Apple IIe को देखकर उसे पहली बार महसूस हुआ कि कंप्यूटर का अंदरूनी हिस्सा कोई “magic box” नहीं, बल्कि engineering का परिणाम है
• उसी अनुभव से प्रेरित होकर Fusion 360 में डिज़ाइन की गई transparent acrylic sheets को laser cut किया गया और ऐसा chassis बनाया गया जिसमें parts दिखाई देते हैं
• TV board को flyback transformer और heatsink के आसपास से बचाते हुए परतों को काटकर नीचे की ओर रखा गया, ताकि जगह बचाई जा सके

Alexatron की पूर्णता और सीमाएँ

• अंतिम कॉन्फ़िगरेशन में animatronic आँखें, person sensor, speaker, दो amplifiers, 8V·12V boost converters, TV board, Echo device, CRT के लिए अलग power switch, और fuse व power switch वाला plug module शामिल है
• Amazon Echo को पहले उसके मूल chassis के बाहर सिर्फ board के रूप में इस्तेमाल करने की कोशिश की गई थी, लेकिन वह ठीक से नहीं चला; इसे grounding समस्या मानकर फिर मूल case में रखा गया
• Arduino के लिए पहले एक छोटा board इस्तेमाल करने की कोशिश की गई, लेकिन overvoltage से वह जल गया, इसलिए उसे Arduino Mega से बदल दिया गया
• पूरा हुआ रोबोट “computer” wake word पर प्रतिक्रिया देता है, और CRT स्क्रीन व आँखों के मैकेनिज़्म को साथ इस्तेमाल करके एक conversational character की तरह काम करता है
• निर्माता इस रोबोट को Alexatron कहता है और इसे अब तक की अपनी सबसे जटिल रचना बताता है
  • आख़िरी 3 दिनों में उसने रोज़ लगभग 15 घंटे समस्या-समाधान में लगाए
  • parts procurement और पहले के component निर्माण में लगा समय इसमें शामिल नहीं है
• तैयार सिस्टम में अब भी कुछ समस्याएँ हैं
  • servo बहुत शोर करते हैं और उनमें jitter है
  • speaker में हल्की hum है
  • फिर भी पूरा सिस्टम काम करता है
• Alexatron आगे के संस्करणों में विकसित किया जा सकने वाला एक prototype है, और interaction बढ़ाने के लिए Alexa platform छोड़कर GPT AI platform अपनाने जैसा बदलाव ज़रूरी होगा

[GN⁺]

Hacker News की रायें

• मैंने इस रोबोट को असल में देखा है; इसे बनाने वाला मेरा पुराना दोस्त है और वाकई अच्छा इंसान है
  खासकर पुराने Soviet game console पर बनाया गया वीडियो मज़ेदार था
  https://www.youtube.com/watch?v=9mqXT-zj47s
  • इस वीडियो को शूट करने के लिए वह Tbilisi में shopping कर रहा था; इसका Soviet Union से क्या संबंध है? एक tech YouTuber के तौर पर यह सच में दिलचस्प नज़रिया हो सकता है
  • वीडियो सिर्फ़ पुराने अंदाज़ के flea market में घूमने वाले हिस्से के लिए भी देखने लायक है। ऐसी जगहें सच में अच्छी लगती हैं
• सच में कमाल का छोटा project है
  ऐसे projects और Disney के हाल के हैरान करने वाले robots (https://youtu.be/-cfIm06tcfA?si=D3SKsNekOaDQFeVU) को देखकर लगता है कि घरों में काफ़ी वास्तविक embodied robots का आना बस समय की बात है
  इससे जुड़े viral videos भी आएंगे, और जो company इन्हें आकर्षक कीमत पर बेच पाएगी, वह किसी दिन बहुत पैसा कमाएगी
  • कुछ साल पहले GIF से जवाब देने वाला एक meme robot भी था, पर पता नहीं उसका क्या हुआ
• मूल Blade Runner में Roy Batty का monologue (“I have seen things you people wouldn't even believe...”) बार-बार आता है, यह अच्छा लगा
  रोबोट खुद भी ऐसा दिखता है जैसे उसे J. F. Sebastian ने बनाया हो, इसलिए अंत में उससे वह monologue बुलवाना काफ़ी बढ़िया निर्देशन लगा
• शीर्षक मूल जैसा ही है
  मेरा इस channel से कोई संबंध नहीं है, लेकिन final result सच में शानदार है
• क्या यह safe है? CRT में कितने kV होते हैं?
  • उस size के black-and-white display के लिए शायद करीब 20kV होगा
    बस चालू होने पर उसमें उंगली न डालें
    अगर इस व्यक्ति ने पूरा setup खुद बनाया है, तो मुझे लगता है कि flyback transformer के खतरों को समझने लायक electronics knowledge उसके पास पर्याप्त होगी
  • मैंने भी यही सोचा। CRT बहुत power खाता है, और सब कुछ खुला हुआ, बहुत तंग जगह में भरा है, इसलिए डर लगता है
  • पक्का नहीं कह सकता, लेकिन पहले सुना था कि voltage अपने आप में इतना जानलेवा नहीं होता
    current इतना कम होता है कि दर्द तो होता है पर मौत नहीं होती; असली समस्या यह है कि shock reaction की वजह से हाथ किसी तेज़ किनारे से कट सकता है या आप किसी और जगह को छू सकते हैं जहां ज़्यादा खतरनाक voltage/current बह रहा हो
• “robot companion” के हकीकत बन चुके भविष्य में यह बात पसंद आई कि वह हमारी पुरानी कल्पनाओं की तुलना में कहीं ज़्यादा बेजान और पूरी तरह practical है
  यह सोचें कि voice assistants बड़े language models से करीब 10 साल पहले popular हो गए थे, और voice assistants कभी भी किसी भी मायने में “जीवित” महसूस होने के करीब नहीं थे, तो यह बात समझ आती है
  जब large language model ecosystem थोड़ा और mature हो जाए, तो मैं ऐसे products को mass production में देखना चाहूंगा। मेरे जैसे व्यक्ति के लिए, जिसे voice assistants हमेशा सहजता से इस्तेमाल करना आसान नहीं लगा, शायद यही form factor पूरे experience को enjoyable बनाने के लिए ज़रूरी तत्व हो सकता है
• पुराने YTV के बैंगनी monster “Snit” की याद आ गई
• इस तरह खुला हुआ CRT काफ़ी खतरनाक नहीं है क्या? capacitor discharge से आसानी से मौत भी हो सकती है