somasticks est une paire de baguettes augmentées qui utilise l'apprentissage non-supervisé pour accentuer l'aspect somatique de la pratique de la batterie.
À l'inverse de baguettes standard, les somasticks n'ont pas besoin de frapper d'autres objets pour produire un son. Plutôt, il s'agit de les agiter dans l'air, afin de produire des sons de batterie enregistrés, dans un workflow expressif qui permet à l'interprète d'explorer diverses qualités de mouvement en réaction aux sensations corporelles internes produites par l'écoute des sons.
somasticks combine un prototype d'apprentissage non-supervisé avec des éléments hardare. Nous avons utilisé de vraies baguettes de batterie pour créer des affordances gestuelles qui sont naturellement liées à la pratique de la batterie. Nous avons ensuite utilisé un Modèle en ligne de Mélanges Gaussiens pour créer un mapping dynamique entre les données de mouvement des baguettes et les sons de batterie.
Le prototype actuel utilise des R-IoT (accéléromètres sans fil), auxquels nous avons connecté deux interrupteurs et une jauge de contrainte pour offrir des contrôles supplémentaires sur l'apprentissage non-supervisé. Le firmware est codé en C++ en se basant sur Energia ; les données sont processées sous Max/MSP en se basant sur MuBu avec de l'analyse par ondelettes pour le prétraitement des données de mouvement, et de la synthèse concaténative pour le son.
somasticks est actuellement pratiqué au sein du projet artistique Daim™ .
Année
2018
Crédits
Le projet a été développé avec Frédéric Bevilacqua, Jules Françoise, Riccardo Borghesi, Djellal Chalabi et Emmanuel Flety, en collaboration avec ISMM (groupe de Ircam, et School of Interactive Arts and Technology (SFU), dans le cadre d'une thèse de doctorat menée à Sorbonne Université.
Publications
Article à DIS (2021)
Article à NIME (2017)
Évènements
Atelier movA @ Stereolux, Nantes, Fr (Avril 2019)
Code
GitHub