Prototipo 1

Este prototipo fue un ejercicio sencillo, que tenía como objetivos:

  • Establecer una primera toma de contacto entre el usuario y la interfaz.
  • Probar el comportamiento de los sensores con el movimiento del cuerpo.
  • Adquirir una idea general del comportamiento del programa, el usuario y el dispositivo.

Se utilizaron recursos sencillos tanto físicos como de programación para poder probar la idea principal del proyecto, que es traducir los movimientos corporales en sonido sincronizado y que de alguna manera ambas cosas tuvieran una coherencia estética/sensorial.


Componentes Físicos

  • iPhone 5
  • Brazalete deportivo de brazo para smartphone
  • Router Wi-Fi TP-LINK 150MB
  • Altavoces
  • Ordenador MacBook Pro

Utilizamos en esta primera prueba un brazalete deportivo para el móvil, del tipo que se usa para correr. Se utilizó para poder incorporar el móvil al cuerpo de el usuario rápidamente, para poder probar de inmediato la experiencia de uso.

El router se utilizó para establecer una red inalámbrica cerrada para trabajar con protocolo OSC, comunicando el móvil con el ordenador.

Los altavoces recibían audio desde el ordenador.

Screen Shot 2016-08-28 at 4.08.08 PM

Modelo de brazalete deportivo utilizado.

Screen Shot 2016-08-28 at 4.08.22 PM

Albert con el primer prototipo.


Programación

  • Pure Data 0.46 (Pure Data Vanilla)
  • MobMuPlat
  • Protocolo OSC
  • OS X 10.8.5

Partimos desde un patch que se programó en Pure Data, modelado en un sintetizador básico. Permitía modular la frecuencia de la onda o altura del sonido y tenía dos filtros: un filtro paso de banda y un filtro de modulación de frecuencia. Cada filtro tenía unvalor de tiempo e intensidad, los cuales se podían modular.

Además de esto, el patch llevaba un generador de onda sinusoidal sencillo, donde solo se podía modular la frecuencia y encendido/apagado de señal.

La frecuencia de la onda se modulaba a través de un subpatch que servía como un tipo de piano, ya que enviaba valores de frecuencia que formaban la escala mayor (Do,Re,Mi,etc.). Se asocia a un sensor del movil a este subpatch, lo cual controlar la nota musical con el movimiento del móvil. Utilizamos dos subpatches que enviaban una nota músical, cada uno asociado a un sensor diferente en este ejemplo.

Por último, había un subpatch que recibía valores desde el móvil a través de la red wi-fi utilizando protocolo OSC.

En MobMuPlat modifiqué un ejemplo llamado Motion, que saca 4 juegos de valores diferentes de los sensores del móvil:

  • Tilts: inclinación horizontal o vertical del móvil visto de frente.
  • Motion: derivado de valores matemáticos complejos, permite definir la orientación verdadera del móvil en el espacio.
  • Acelerómetro y giroscopio (valores crudos)

El tilt y acelerómetro arrojan valores en X,Y,Z. El motion y giroscopio arrojan valores llamados roll, pitch y yaw.

Dejé el GUI[1] de la aplicación para MMP intacta, ya que solo me interesaba que los valores del móvil se enviarán a través de OSC al patch abierto en el ordenador.


Parámetros mapeados

Seleccioné algunos valores de los sensores para trabajar y los vinculé los a los parámetros del sintetizador de Pure Data de la siguiente forma:

  • Giroscopio pitch – tiempo y valor filtro paso de banda
  • Giroscopio roll – tiempo e intensidad filtro modulación frecuencia
  • Tilt X – acorde escala mayor #1
  • Tilt Y – acorde escala mayor #2

Análisis FODA

Fortalezas

  • El brazalete deportivo utilizado facilita reproducir la interfaz. Es barato y accesible.
  • MobMuPlat permite crear un software rápidamente, traducir ideas y realizar cambios al momento.
  • La comunicación con OSC a través de una red WiFi corre rápido y con muy poca latencia.
  • Pure Data no presentó ningún problema a la hora de correr la aplicación.
  • En general los recursos permitieron realizar la idea rápidamente para probar la interacción/interfaz.

Oportunidades

  • El sonido que se puede generar a través de Pure Data puede ser mucho mas complejo.
  • Se puede implementar mas de un móvil utilizando el mismo app, añadiendo mas riqueza y complejidad al resultado.
  • El sensor del compás se puede implementar para tener una relación entre los diferentes planos del bailarín.
  • La teoría de Laban provee mucho material para estudiar el movimiento del cuerpo y poder crear anotaciones de los mismos, lo cuál puede ser útil en las siguientes pruebas.
  • Exploración de posibilidades de otros app como TouchOsc y Lemur.
  • Se han visto las capacidades expresivas de los sensores a la hora de traducir los movimientos. Agregar un filtro message-rate al streaming de datos puede traducirse a detectar cambios mas sutiles en el movimiento.

Debilidades

  • MobMuPlat se comportó de manera inestable en el móvil. Hacia crash constantemente y requería ser reiniciado.
  • Hay mucha desconexión entre el movimiento y el sonido generado.
  • Se siente robótica y artificial.
  • Usuario se confunde con la interfaz, tanto por la incoherencia del feedback, como por los problemas de software, lo cual interrumpe el proceso creativo y/o interpretación.
  • Brazalete deportivo no se ajustaba lo suficiente al brazo, se debieron hacer ajustes improvisados utilizando bridas.
  • Sonido era muy básico y uno de los osciladores se quedaba estático, confundiendo bastante los resultados.
  • El PD Vanilla no permite utilizar patches utilizados anteriormente, lo cual limitaba un poco el sonido.

 

Amenazas

  • MobMuPlat puede arruinar completamente una interpretación en un escenario, porque el programa falla sin aviso.
  • Utilizar aplicaciones comerciales puede ser problemático a la hora de compartir el proyecto o para modificar algo a nivel de programación.

[1] Graphic User Interface: Interfaz grafica de usuario.

Advertisements