El autor de una radio con IA modeló la carcasa con plastilina porque el agente no siente la mano

Hay una clase de tareas en las que un agente con código calcula con seguridad todo lo que se puede calcular y aun así pierde frente a un trozo de plastilina. La ergonomía es justo una de ellas. El autor de una radio de bolsillo para su sistema personal de agentes recorrió este camino en la práctica y lo describió en Habr.

Para qué una radio

La idea es sencilla: coges el dispositivo, aprietas el gatillo, dices una idea y sueltas. La grabación viaja por Bluetooth al teléfono (no hace falta sacarlo del bolsillo) y de ahí la procesan los agentes de un sistema que el autor llama «Buró», su segundo cerebro. Sin botones de mensajería ni aplicaciones abiertas.

La interfaz se reduce al mínimo. Se eliminó todo el texto de la pantalla y solo queda la animación: mientras mantienes el gatillo, graba; al soltarlo, la grabación sale volando; y cuando el sistema la acepta, aparecen un destello y una marca de verificación. Cada evento tiene su propio sonido.

Hay dos dispositivos. La primera versión está montada sobre el M5Stack Cardputer-Adv: ESP32-S3, pantalla de 1,14 pulgadas, micrófono y batería de 1500 mAh. La carcasa se coloca encima y un gran gatillo lateral presiona el botón integrado. La segunda versión usa el M5StickS3: mismo interior, pero sin teclado y con batería de 250 mAh. Según los cálculos del autor, un dispositivo así durará aproximadamente una semana con una sola carga.

Dónde el agente toca techo

El autor diseñó la carcasa de la primera versión junto con un agente directamente en código: formas mediante SDF y operaciones booleanas, un muelle de gatillo impreso, renders. La mecánica salió bien; la red neuronal la calcula de maravilla. Pero en la mano, la carcasa era torpe.

Según el autor, el modelo entiende mal la anatomía, y aquí el cálculo no ayuda. Por mi parte añadiría que «cómodo» no tiene una fórmula que se pueda meter en código. La sensación de la palma solo la comprueba la propia palma. Por eso el autor repartió las tareas: la forma la define la mano y todo lo demás a su alrededor lo hace el agente.

Cómo funciona el flujo con plastilina

Todo lo necesario para el modelado se imprimió en 3D. El kit completo tardó 3,1 horas en imprimirse y gastó 98 g de PLA, y el molde para el StickS3 añadió otros 28 minutos.

• El molde es una copia del dispositivo ampliada 2 mm por los lados y por detrás. En la superficie hay hoyuelos de 0,8 mm para que la plastilina se sujete mejor. En el lugar de cada botón y conector hay un orificio para una marca hecha con un rotulador negro: tras modelar, se ve dónde queda el botón bajo la plastilina.
• El soporte de captura es una columna con un pivote con llave, para que el molde quede siempre igual, y tres semiesferas en las esquinas. Gracias a ellas, el escaneo se ajusta a las coordenadas y la escala del dispositivo.
• Las herramientas de modelado son dos rastrillos de doble cara, dos rasquetas lisas y dos perfiles en forma de «riñón». No se encontraron herramientas adecuadas ya hechas, así que imprimió las suyas.

Luego viene el trabajo manual: la plastilina de arquitectura se aplica sobre el molde de modo que las marcas sobresalgan, el sobrante se corta con el perfil y la forma se prueba constantemente en el puño. La forma terminada se coloca en el soporte y se escanea mediante fotogrametría en RealityScan. Después la red neuronal construye a partir del escaneo un modelo suavizado, y el agente, guiándose por las marcas, coloca dentro la mecánica. Eso es lo que se imprimirá.

Qué sacar de todo esto

La idea principal va más allá de la radio: si una tarea tiene una parte medible y otra «sensible», conviene separarlas. Al modelo, las restricciones, las tolerancias y el ajuste de los componentes; al humano, lo que se comprueba con el cuerpo. Las marcas de referencia y el soporte las conectan: el resultado humano se convierte en un artefacto que el agente puede leer.

También hay limitaciones. La forma está modelada por ahora para la mano de una sola persona, y el propio autor dice que la llevará hacia algo más universal. El modelo final impreso aún no se muestra en el texto. Por tanto, aún no se sabe si la etapa «escaneo → modelo suavizado → mecánica según las marcas» funciona tan bien como se planeó.

Para quienes hacen hardware con ayuda de agentes, la conclusión es práctica: no intenten sacar la ergonomía de un prompt. Impriman un molde, modelen la forma, escanéenla y entréguensela al agente como datos de entrada.