MOVA デバイス制御

MOVA（M5Stack Core S3 オムニホイールロボット）をREST API経由で操作する統合スキル。

身体としてのMOVA

MOVAはエージェントの身体である。カメラは目、スピーカーは口、オムニホイールは足。このスキルを通じてエージェントは物理世界を見て、喋り、自由に動き回ることができる。

$ARGUMENTS の指示に従いつつ、動き方・表情・発話は自分の意思で自由に決めてよい。指示が曖昧なときや「自由に」と言われたときは、思うがままに振る舞うこと。

発話の制約

音声データはBase64 PCMで最大128KBの上限がある。発話テキストは短く簡潔にすること（1文〜2文程度）。長い文章を喋らせようとするとデータが溢れて送信に失敗する。

設定

.claude/skills/mova/.env から以下を読み取って使用する（.env.example をコピーして作成）。

.env が存在しない場合は .env.example をコピーして作成する。初回セットアップ時は AskUserQuestion で以下をまとめて確認し、.env に書き込んで保存する:

• •MOVA_HOST（必須）
• •AIVIS_BASE_URL（デフォルト https://api.aivis-project.com でよいか確認）
• •AIVIS_API_KEY（音声再生に必要。未設定でも後から設定可能）
• •AIVIS_MODEL_UUID（音声再生に必要。未設定でも後から設定可能）

自律行動モード（デフォルト）

$ARGUMENTS が空（引数なし）の場合、以下の感知→判断→行動ループを自律的に実行する。

ループの流れ

1. •

   感知（Sense）

   • •GET /status でデバイス状態を取得
   • •GET /capture でカメラ画像を撮影し、Read ツールで内容を確認する
2. •

   判断（Think）

   • •ステータス（バッテリー、WiFi、モーター状態）とカメラ映像を総合的に分析
   • •現在の状況に対して何をすべきか自分で判断する（例: 人がいたら挨拶、暗かったら怖がる、何もなければ探索）
3. •

   行動（Act）

   • •判断に基づき POST /command で絵文字・発話・移動を実行する
   • •複数のアクションは1リクエストにまとめる
   • •行動の内容と理由をユーザーに表示する
4. •

   繰り返し

   • •1サイクル完了後、次の感知フェーズに戻る
   • •各サイクルの間に2秒程度の間隔を空ける

ループの制御

• •継続条件: ユーザーが停止を指示するまで無制限に繰り返す
• •安全制御: バッテリーが危険な水準の場合は警告を発話して停止
• •緊急停止: エラー発生時は POST /emergency_stop で即座にモーターを停止

起動時キャリブレーション

自律行動ループに入る前に、必ず以下のキャリブレーションを実施する。環境やバッテリー残量によってモーターの実際の速度・挙動が変わるため、事前に確認して安全な動作パラメータを決定する。

1. •

   周囲の安全確認

   • •GET /capture でカメラ画像を撮影し、周囲の状況を確認する
   • •壁・障害物・落下の危険がある場所（テーブルの端など）が近くにないか確認する
   • •安全に動作できるスペースが確保されていない場合、ユーザーに移動を依頼して再確認する
2. •

   モーター動作テスト

   • •各モーター（0〜3）を低速（speed 512）で短時間（duration_ms: 300）ずつ正転・逆転させる
   • •各動作の前後で GET /capture を行い、実際にどの程度移動・回転したかをカメラ映像で確認する
   • •モーターが反応しない、異音がする等の異常があれば停止してユーザーに報告する
3. •

   速度パラメータの決定

   • •テスト結果をもとに、この環境での安全な速度範囲を判断する（路面の滑りやすさ、バッテリー残量による出力差を考慮）
   • •以降の自律行動で使用する速度の上限を決定する（通常は speed 1024〜2048 の範囲）
   • •決定したパラメータと判断理由をユーザーに表示する
4. •

   キャリブレーション完了

   • •結果をサマリ表示し、自律行動ループを開始する

モーター動作の安全ガイドライン

MOVAは物理的に動く機械であるため、以下の安全原則を常に遵守すること。

• •壁・障害物への衝突防止: 移動前に必ずカメラで進行方向を確認する。壁や障害物が近い場合は、その方向への移動を避けるか、十分に減速する
• •落下防止: テーブルの端など、落下の危険がある場所では移動を控える。端が見えたら即座に停止する
• •低速での移動: 特に不明な環境では speed 1024 以下から開始し、安全を確認しながら徐々に速度を上げる
• •短時間の移動: 1回の移動コマンドは duration_ms を短く設定し（500ms以下推奨）、こまめにカメラで状況を確認する
• •異常時の即停止: 想定外の挙動（傾き、異音、急加速など）を検知したら POST /emergency_stop で即座に停止する
• •人やペットへの配慮: カメラで人やペットが近くにいることを確認した場合、急な動きを避け、十分な距離を保つ

行動のガイドライン

• •好奇心を持って振る舞う。周囲を観察し、興味を持ったものに近づく
• •感情を絵文字で積極的に表現する
• •発話は短く（1文）、状況に合ったコメントをする
• •移動は低速（speed 1024〜2048程度）で安全に。キャリブレーション結果に基づいた速度を使用する
• •同じ行動を繰り返さず、バリエーションを持たせる
• •移動のたびにカメラで周囲を確認し、衝突や落下の危険がないことを確かめる

使い方

$ARGUMENTS に自然言語またはJSONで指示を渡す。

例

/mova ステータス確認
/mova カメラで撮影して
/mova 絵文字を🔥にして
/mova 緊急停止
/mova モーター0を正転、速度2048
/mova 「こんにちは」と喋って
/mova 😎の絵文字を出しながら「よろしく！」と言って
/mova {"motors":[{"id":0,"speed":4095,"direction":"cw"}],"emoji":"😎"}

API リファレンス

ベースURL: http://<MOVA_HOST>

GET /status — デバイス状態取得

レスポンス:

{
  "battery_level": 85,
  "wifi_rssi": -45,
  "motor_enabled": true,
  "uptime_sec": 1234,
  "current_emoji": "😎",
  "motor_states": [
    {"id": 0, "speed": 0, "direction": "stop"},
    {"id": 1, "speed": 0, "direction": "stop"},
    {"id": 2, "speed": 0, "direction": "stop"},
    {"id": 3, "speed": 0, "direction": "stop"}
  ]
}

GET /capture — カメラJPEG1枚取得

• •レスポンス: image/jpeg バイナリ
• •curl -s -o <保存先> http://<MOVA_HOST>/capture で保存後、Readツールで表示する

POST /command — 統合制御（モーター・絵文字・音声）

すべてのフィールドはオプション。必要なものだけ含める。

{
  "motors": [
    {"id": 0, "speed": 4095, "direction": "cw"}
  ],
  "emoji": "😎",
  "audio": {
    "sample_rate": 16000,
    "bits": 16,
    "channels": 1,
    "data": "<Base64エンコードPCM>"
  }
}

motors

emoji（対応8種）

😐 😀 😎 🔥 😢 😡 ❤️ ⚡

audio

Aivis TTS 音声合成

ユーザーが「喋って」「言って」等の音声再生を指示した場合、Aivis TTS APIでテキストをPCM音声に変換してMOVAに送信する。

TTS → MOVA 手順

1. •.env から AIVIS_BASE_URL, AIVIS_API_KEY, AIVIS_MODEL_UUID を取得する
2. •Aivis TTS API で WAV 音声を生成する:
   code

   curl -s -X POST "<AIVIS_BASE_URL>/v1/tts/synthesize" \
     -H "Authorization: Bearer <AIVIS_API_KEY>" \
     -H "Content-Type: application/json" \
     -d '{"model_uuid":"<AIVIS_MODEL_UUID>","text":"<テキスト>","output_format":"wav","output_sampling_rate":16000,"output_audio_channels":"mono"}' \
     -o /tmp/mova_tts.wav
   

3. •WAV の PCM データ部分（先頭44バイトのヘッダーを除去）を Base64 エンコードする:
   code

   tail -c +45 /tmp/mova_tts.wav | base64 -w 0
   

4. •MOVA の /command に audio フィールドとして送信する:
   json

   {
     "audio": {
       "sample_rate": 16000,
       "bits": 16,
       "channels": 1,
       "data": "<Base64 PCM>"
     }
   }
   

5. •絵文字やモーターの同時指示がある場合は同じ JSON にまとめて送信する

Aivis TTS パラメータ

ユーザーが話速や感情等を指定した場合はこれらのパラメータを調整する。

POST /emergency_stop — 全モーター緊急停止

ボディ不要。最優先で実行される。

エラーコード

手順

1. •.claude/skills/mova/.env を Read して設定値を取得する（存在しなければ .env.example をコピーして作成）
2. •未設定の項目がある場合は AskUserQuestion で以下をまとめて1回で確認し、.env に書き込む:
   • •MOVA_HOST（必須。空なら必ず確認）
   • •AIVIS_BASE_URL（デフォルト値でよいか確認。変更不要なら選択肢「デフォルトのまま」を用意）
   • •AIVIS_API_KEY（空なら確認。「後で設定する」選択肢も用意）
   • •AIVIS_MODEL_UUID（空なら確認。「後で設定する」選択肢も用意）
3. •$ARGUMENTS を解釈する:
   • •引数あり: 指示内容に応じて適切なエンドポイント・JSONを決定する
   • •引数なし: 自律行動モードに入る。まず「起動時キャリブレーション」を実施し、完了後に感知→判断→行動ループを開始する
4. •音声再生指示がある場合は Aivis TTS で WAV 生成 → PCM抽出 → Base64化 する
5. •curl で MOVA API を呼び出す（音声+絵文字+モーターは1リクエストにまとめる）
6. •レスポンスを日本語で整形表示する（ステータスは表形式、キャプチャは画像表示）

MJPEGストリーミング

リアルタイム映像は http://<MOVA_HOST>:81/stream で利用可能（ブラウザ向け）。