Autor de rádio com IA moldou a carcaça em massa de modelar porque o agente não sente a mão

Há uma classe de tarefas em que um agente com código calcula com segurança tudo o que pode ser calculado e mesmo assim perde para um pedaço de massa de modelar. A ergonomia é exatamente uma delas. O autor de um rádio de bolso para o seu sistema pessoal de agentes percorreu esse caminho na prática e o descreveu no Habr.

Para que um rádio

A ideia é simples: pegar o dispositivo, apertar o gatilho, dizer uma ideia e soltar. A gravação segue por Bluetooth para o telefone (sem precisar tirá-lo do bolso) e, a partir daí, é processada pelos agentes de um sistema que o autor chama de «Birô», seu segundo cérebro. Sem botões de mensageiro nem aplicativos abertos.

A interface foi reduzida ao mínimo. Todo o texto foi removido da tela, restando apenas a animação: enquanto você segura o gatilho, ela grava; ao soltar, a gravação voa para longe; e quando o sistema aceita a gravação, surgem um flash e um visto. Cada evento tem o seu próprio som.

São dois dispositivos. A primeira versão foi montada no M5Stack Cardputer-Adv: ESP32-S3, tela de 1,14 polegada, microfone e bateria de 1500 mAh. A carcaça é encaixada por cima, e um grande gatilho lateral pressiona o botão original. A segunda versão foi feita no M5StickS3: o mesmo interior, mas sem teclado e com bateria de 250 mAh. Pelas estimativas do autor, um dispositivo assim dura cerca de uma semana com uma única carga.

Onde o agente bate no teto

O autor projetou a carcaça da primeira versão junto com um agente, diretamente em código: formas via SDF e operações booleanas, uma mola de gatilho impressa, renders. A mecânica deu certo, e a rede neural a calcula muito bem. Mas, na mão, a carcaça era desajeitada.

Segundo o autor, o modelo entende mal a anatomia, e aqui o cálculo não ajuda. Da minha parte, acrescento: «confortável» não tem uma fórmula que possa ser enfiada em código. A sensação da palma só é verificada pela própria palma. Por isso o autor dividiu as responsabilidades: a forma é definida pela mão, e tudo o mais ao redor dela fica por conta do agente.

Como funciona o pipeline com massa de modelar

Tudo o que era necessário para a modelagem foi impresso em 3D. O kit inteiro levou 3,1 horas para imprimir e consumiu 98 g de PLA, e o molde para o StickS3 acrescentou mais 28 minutos.

• O molde é uma cópia do dispositivo ampliada em 2 mm nas laterais e atrás. Na superfície há covinhas de 0,8 mm para a massa aderir melhor. No lugar de cada botão e conector há um furo para uma marca feita com caneta preta: depois da modelagem, dá para ver onde fica o botão sob a massa.
• O suporte de captura é uma coluna com um pino chaveado, para que o molde se encaixe sempre do mesmo jeito, e três semiesferas nos cantos. Com elas, o escaneamento se ajusta às coordenadas e à escala do dispositivo.
• As ferramentas de modelagem são dois ancinhos de dupla face, duas espátulas lisas e dois perfis em forma de «rim». Não foram encontradas ferramentas prontas adequadas, então o autor imprimiu as suas.

Depois vem o trabalho manual: a massa de modelar arquitetônica envolve o molde de modo que as marcas fiquem para fora, o excesso é cortado com o perfil e a forma é testada constantemente no punho. A forma pronta é colocada no suporte e escaneada por fotogrametria no RealityScan. Em seguida, a rede neural constrói a partir do escaneamento um modelo suavizado, e o agente, pelas marcas, posiciona nele a mecânica. É isso que será impresso.

O que tirar disso

A ideia principal vai além do rádio: se uma tarefa tem uma parte mensurável e outra «sentida», vale separá-las. Ao modelo, as restrições, as tolerâncias e o encaixe dos componentes; ao humano, o que é verificado pelo corpo. As marcas de referência e o suporte ligam as duas: o resultado humano se transforma em um artefato que o agente consegue ler.

Há também limitações. A forma foi modelada até agora para a mão de uma só pessoa, e o próprio autor diz que vai trabalhá-la para torná-la mais universal. O modelo impresso final ainda não aparece no texto. Portanto, ainda não se sabe se a etapa «escaneamento → modelo suavizado → mecânica pelas marcas» funciona tão bem quanto o planejado.

Para quem faz hardware com a ajuda de agentes, a conclusão é prática: não tentem extrair ergonomia de um prompt. Imprimam um molde, modelem a forma, escaneiem e entreguem ao agente como dados de entrada.