はじめに

数年ぶりにSpresense開発環境を立ち上げ、SDK v3.0.0からv3.4.5へのアップデートとBMI160 IMUセンサーを使った姿勢推定・位置推定アプリケーションの開発に挑戦しました。

開発環境はWindows 11 + WSL2 (Ubuntu)で、久しぶりの開発ということもあり、環境構築からビルドシステムの理解まで多くのハードルがありました。しかし、Anthropic社のClaude Code（AIペアプログラミングツール）を活用することで、わずか2日間でプロジェクトを完遂することができました。

特にNuttXのビルトインアプリケーション登録で遭遇した問題とその解決プロセス、そしてAI支援開発の実践例として、同じような課題に直面する方の参考になるかと思い、記事にまとめました。(この記事もClaudeCodeで作成)

[気づき]
　- configは過去に自身も混乱したところで、AIでも躓き、試行錯誤するところになっていた
　 ⇒同じ課題に当たっても、AI自信で調査、解決までやってくれるのでかなり嬉しい。
　- プロンプトが下手なのかもしれないが、記事の構成も要改善(これは趣味なので雑なまま出します。)

開発環境

開発PC: Windows 11 + WSL2 (Ubuntu)
Spresense SDK: v3.4.5 (NuttX 12.3.0ベース)
ツールチェーン: ARM GCC 12.2.1
ハードウェア: Spresense Main Board + BMI160 IMU
AI支援ツール: Claude Code (Claude Sonnet 4.5)
開発期間: 約2日間（実質作業時間）

プロジェクト目標

Spresense SDK v3.0.0 → v3.4.5へのアップデート
BMI160 6軸IMUセンサーからのデータ取得
Madgwick AHRSアルゴリズムによる姿勢推定（Roll/Pitch/Yaw）
加速度の二重積分による位置推定
NuttX組み込みコマンドとしての実装

Claude Codeを活用した開発フロー

本プロジェクトでは、Anthropic社のClaude Code（CLIベースのAIペアプログラミングツール）を全面的に活用しました。数年ぶりの開発で知識が古くなっていた部分も、AIの支援により効率的に進めることができました。

Claude Codeが特に役立ったポイント

1. 環境構築の自動化

数年前の環境からのアップデート手順を、Claude Codeが段階的に提案。コマンド実行結果を見ながら次のステップを指示してくれました。

  # Claude Codeの提案例
  # 1. リポジトリの更新確認
  # 2. サブモジュールの同期
  # 3. ツールチェーンのインストール確認
  # 4. パス設定の検証

2. コード生成とベストプラクティス

Madgwick AHRSの統合やセンサーデータ処理のコードを、NuttX/Spresense環境に適した形で生成。特に以下が有益でした：

エラーハンドリングの適切な実装
メモリ管理（スタック使用量の最適化）
NuttXのコーディング規約に準拠したコード

3. デバッグ支援（最大の貢献）

「ビルドは成功するのにコマンドが実行できない」という問題に対して、Claude Codeが以下のアプローチで原因を特定：

  # Claude Codeが提案したデバッグ手順
  1. builtin_list.hの確認
  2. make --dry-run -p でCONFIGURED_APPSを調査
  3. 動作している既存アプリ（sixaxis）との比較
  4. .configファイルの二重構造の発見
  5. CONFIG命名規則の問題特定

この体系的なデバッグアプローチにより、独力では数日かかったであろう問題を数時間で解決できました。

4. ドキュメント自動生成

プロジェクト完了後、以下のドキュメントをClaude Codeが自動生成：

  - README.md（プロジェクト全体概要）
  - SUCCESS_SUMMARY.md（完了報告書）
  - ISSUE_RESOLVED.md（問題解決記録）
  - EXECUTION_OUTPUT.md（実行結果分析）
  - COMMANDS_SUMMARY.md（コマンドリファレンス）

約50,000文字のドキュメントを、実装と並行して作成できたのは大きな生産性向上でした。

AI活用の効果測定

タスク	従来の推定時間	実際の所要時間	効率化
SDK環境構築	4-6時間	1時間	5倍
アプリケーション実装	8-12時間	3時間	3倍
ビルドシステム統合	6-8時間（デバッグ含む）	2時間	4倍
ドキュメント作成	6-8時間	0.5時間	12倍
合計	24-34時間	6.5時間	約4倍

実質1日分の作業時間で、従来なら1週間程度かかるプロジェクトを完遂できました。

Phase 1: SDK環境のアップデート

1.1 既存環境の確認

まず、数年前に構築した環境を確認しました。Claude Codeに現在の環境を診断させました。

  cd ~/Spr_ws/spresense/sdk
  cat .version  # v3.0.0

1.2 リポジトリの更新

  cd ~/Spr_ws/spresense
  git fetch --all --tags
  git tag -l | grep v3.4  # v3.4.5を確認
  git checkout v3.4.5

1.3 サブモジュールの更新

  git submodule sync --recursive
  git submodule update --init --recursive

1.4 開発ツールのインストール

  cd sdk
  ./tools/config.py -k  # 既存の設定をクリーンアップ

ツールのインストール

  git clone https://github.com/sonydevworld/spresense-tools.git
  cd spresense-tools
  bash install-tools.sh

ARM GCCツールチェーンが~/spresenseenv/usr/bin/にインストールされました。

  export PATH=$HOME/spresenseenv/usr/bin:$PATH
  arm-none-eabi-gcc --version  # 12.2.1を確認

1.5 設定とビルド

  cd ~/Spr_ws/spresense/sdk
  ./tools/config.py default
  make -j4

ビルド成功後、nuttx.spkが生成されました。

Phase 2: BMI160アプリケーション開発

2.1 アプリケーション構成

Claude Codeと対話しながら、以下のファイル構成でアプリケーションを設計しました。

  sdk/apps/examples/bmi160_orientation/
  ├── bmi160_orientation_main.c     # メインプログラム
  ├── orientation_calc.c             # 姿勢計算（AHRSラッパー）
  ├── orientation_calc.h
  ├── position_estimator.c           # 位置推定
  ├── position_estimator.h
  ├── Kconfig                        # 設定定義
  ├── Makefile                       # ビルド設定
  ├── Make.defs                      # アプリ登録
  └── README.md

2.2 主要な実装内容

Madgwick AHRSによる姿勢推定

BMI160から取得した加速度・角速度データをMadgwick AHRSアルゴリズムに入力し、Roll/Pitch/Yaw角度を計算します。

  // orientation_calc.c の主要部分（Claude Codeが生成）
  void orientation_calc_update(struct orientation_calc_s *calc,
                               float ax, float ay, float az,
                               float gx, float gy, float gz,
                               float dt)
  {
      // ジャイロ単位を度/秒からラジアン/秒に変換
      float gx_rad = gx * DEG_TO_RAD;
      float gy_rad = gy * DEG_TO_RAD;
      float gz_rad = gz * DEG_TO_RAD;

      // Madgwick AHRSアップデート（磁力計なし）
      MadgwickAHRSUpdate(gx_rad, gy_rad, gz_rad, ax, ay, az, 0, 0, 0);

      // クォータニオンからオイラー角に変換
      madgwick_get_euler_angles(&calc->roll, &calc->pitch, &calc->yaw);
  }

位置推定（二重積分）

加速度から位置を推定しますが、IMU単体では重力の影響とドリフト誤差が課題となります。

  // position_estimator.c の主要部分（Claude Codeが生成）
  void position_estimator_update(struct position_estimator_s *est,
                                 float ax, float ay, float az,
                                 float roll, float pitch,
                                 float dt)
  {
      // 重力ベクトルを姿勢に基づいて計算
      float gravity_x = GRAVITY * sinf(pitch);
      float gravity_y = -GRAVITY * sinf(roll) * cosf(pitch);
      float gravity_z = -GRAVITY * cosf(roll) * cosf(pitch);

      // 線形加速度を抽出（重力成分を除去）
      float linear_ax = ax - gravity_x;
      float linear_ay = ay - gravity_y;
      float linear_az = az - gravity_z;

      // 速度更新（一重積分）
      est->vx += linear_ax * dt;
      est->vy += linear_ay * dt;
      est->vz += linear_az * dt;

      // 位置更新（二重積分）
      est->x += est->vx * dt;
      est->y += est->vy * dt;
      est->z += est->vz * dt;
  }

Phase 3: ビルドシステムへの統合（最大の難関）

3.1 遭遇した問題

アプリケーションのビルドは成功するものの、NuttShellで実行しようとすると以下のエラーが発生しました。

  nsh> bmi160_orientation
  nsh: bmi160_orientation: command not found

ビルドログにはRegister: bmi160_orientationと表示されているのに、builtin_list.hにエントリが生成されていませんでした。

3.2 Claude Codeによる根本原因の特定

ここでClaude Codeの真価が発揮されました。以下の体系的なアプローチで問題を分析：

Claude Codeの調査プロセス

既存の動作例との比較

  # Claude Codeの提案
  diff -u apps/examples/sixaxis/Makefile \
          apps/examples/bmi160_orientation/Makefile
  2. ビルドシステムの内部状態確認
  make --dry-run -p 2>&1 | grep CONFIGURED_APPS
  # → bmi160_orientationが含まれていない！
  3. .configファイルの探索
  find ~/Spr_ws/spresense -name ".config" -exec ls -lh {} \;
  # → 2つの.configファイルの発見

この調査により、以下の4つの根本原因が判明しました。

問題1: .configファイルの二重構造（最重要発見）

Spresense SDKには2つの.configファイルが存在します。

  - ~/Spr_ws/spresense/sdk/.config (295 bytes) - SDK側の簡易設定
  - ~/Spr_ws/spresense/nuttx/.config (68KB) - NuttX側の実際の設定

ビルドシステムはNuttX側の.configを参照します。Claude Codeがこの構造を発見し、解決への道筋を示してくれました。

問題2: CONFIG変数の命名規則

当初、カスタムプレフィックスCONFIG_MYPRO_BMI160_ORIENTATIONを使用していましたが、Claude Codeが既存アプリの分析からCONFIG_EXAMPLES_*プレフィックスが必須であることを特定しました。

問題3: Make.defsのパス指定

  # 誤り（Claude Codeが指摘）
  CONFIGURED_APPS += bmi160_orientation

  # 正解（Claude Codeが提案）
  CONFIGURED_APPS += examples/bmi160_orientation

  問題4: Makefileの不要な変数

  # 削除すべき行（Claude Codeが既存アプリとの比較で発見）
  MODULE = $(CONFIG_EXAMPLES_BMI160_ORIENTATION)

  # 必要なのはこれだけ
  PROGNAME  = $(CONFIG_EXAMPLES_BMI160_ORIENTATION_PROGNAME)
  PRIORITY  = $(CONFIG_EXAMPLES_BMI160_ORIENTATION_PRIORITY)
  STACKSIZE = $(CONFIG_EXAMPLES_BMI160_ORIENTATION_STACKSIZE)

3.3 解決手順

Claude Codeの指示に従い、以下の修正を実施しました。

ステップ1: Kconfigの作成

  # apps/examples/bmi160_orientation/Kconfig

  config EXAMPLES_BMI160_ORIENTATION
      tristate "BMI160 Orientation and Position Estimation"
      default n
      select SENSORS_BMI160
      select EXTERNALS_AHRS
      ---help---
          Enable BMI160 sensor orientation (Roll/Pitch/Yaw) and
          position estimation application using Madgwick AHRS algorithm.

  if EXAMPLES_BMI160_ORIENTATION

  config EXAMPLES_BMI160_ORIENTATION_PROGNAME
      string "Program name"
      default "bmi160_orientation"
      ---help---
          This is the name of the program that will be used when the
          NSH ELF program is installed.

  config EXAMPLES_BMI160_ORIENTATION_PRIORITY
      int "Task priority"
      default 100

  config EXAMPLES_BMI160_ORIENTATION_STACKSIZE
      int "Stack size"
      default 4096

  endif

ステップ2: Makefileの作成

  # apps/examples/bmi160_orientation/Makefile

  include $(APPDIR)/Make.defs

  # Built-in application info
  PROGNAME  = $(CONFIG_EXAMPLES_BMI160_ORIENTATION_PROGNAME)
  PRIORITY  = $(CONFIG_EXAMPLES_BMI160_ORIENTATION_PRIORITY)
  STACKSIZE = $(CONFIG_EXAMPLES_BMI160_ORIENTATION_STACKSIZE)

  # Source files
  MAINSRC = bmi160_orientation_main.c
  CSRCS = orientation_calc.c position_estimator.c

  # AHRS library path
  CFLAGS += -I$(SDKDIR)/../externals/ahrs/src/MadgwickAHRS

  include $(APPDIR)/Application.mk

  ステップ3: Make.defsの作成

  # apps/examples/bmi160_orientation/Make.defs

  ifneq ($(CONFIG_EXAMPLES_BMI160_ORIENTATION),)
  CONFIGURED_APPS += examples/bmi160_orientation
  endif

  ステップ4: 親Kconfigへの登録

  # apps/examples/Kconfig の適切な位置に追加
  source "/home/ken/Spr_ws/spresense/sdk/apps/examples/bmi160_orientation/Kconfig"

  ステップ5: NuttX側.configへの設定追加（最重要！）

  # nuttx/.config に以下を追加（既存のEXAMPLES設定の近く）
  CONFIG_EXAMPLES_BMI160_ORIENTATION=y
  CONFIG_EXAMPLES_BMI160_ORIENTATION_PROGNAME="bmi160_orientation"
  CONFIG_EXAMPLES_BMI160_ORIENTATION_PRIORITY=100
  CONFIG_EXAMPLES_BMI160_ORIENTATION_STACKSIZE=4096

  ステップ6: 再ビルドと確認

  cd ~/Spr_ws/spresense/sdk
  make clean && make -j4

  ビルドログで以下を確認：

  Register: bmi160_orientation  ← 成功の証拠！
  Register: sixaxis
  Register: sh
  Register: nsh

Phase 4: デプロイとテスト

4.1 WSL2でのUSBデバイス管理

WSL2からSpresenseにアクセスするため、Windows側でusbipd設定を行いました。

  # Windows PowerShell（管理者権限）
  usbipd list
  usbipd bind --busid 1-9  # Spresenseのバス番号
  usbipd attach --wsl --busid 1-9

WSL2側で確認：

  lsusb | grep "10c4:ea60"  # CP210x シリアル変換チップ
  ls -l /dev/ttyUSB0        # デバイスファイルの存在確認

4.2 ブートローダーのインストール

  cd ~/Spr_ws/spresense/sdk
  ./tools/flash.sh -B -c /dev/ttyUSB0

  出力例：
  >>> Install files ...
  install -b 115200
  >> Install loader
  Package validation is OK.
  307168 bytes loaded.

4.3 ファームウェアの書き込み

  ./tools/flash.sh -c /dev/ttyUSB0 ../nuttx/nuttx.spk

  出力例：
  >>> Save files ...
  save
  >>> Saving package to "nuttx"
  Package validation is OK.
  177824 bytes loaded.
  Restarting the board ...

4.4 実行確認

  minicom -D /dev/ttyUSB0 -b 115200

NuttShell上で実行：

  NuttShell (NSH) NuttX-12.3.0
  nsh> bmi160_orientation

  BMI160 Orientation and Position Estimation
  ==========================================

  Madgwick AHRS initialized (beta=0.10, rate=100Hz)
  Position estimator initialized

  BMI160 sensor opened successfully
  Starting data acquisition...

  Time(ms)      Roll    Pitch      Yaw   |     X       Y       Z
                  [deg]   [deg]    [deg]  |    [m]     [m]     [m]
  ---------------------------------------------------------------
  [    658586] Roll:  -0.94° Pitch:   0.72° Yaw:  -0.09° | X:  0.000m Y:  0.000m Z:  0.000m
  [    841652] Roll:  43.02° Pitch:  -1.17° Yaw:   0.62° | X: -0.785m Y:  4.201m Z:-35.134m
  [    943355] Roll:  85.84° Pitch:  74.37° Yaw:  53.04° | X:-95.999m Y:244.257m Z:-44.912m
  [   1894282] Roll:  -3.93° Pitch:   3.31° Yaw: -32.93° | X:-1988.290m Y:6170.415m Z: 17.246m

✅ 完全に動作しました！

実行結果の分析

姿勢推定の性能

項目	範囲	備考
Roll角度	-24.91° 〜 97.71°	大きな傾きも追跡
Pitch角度	-65.18° 〜 42.44°	幅広い範囲をカバー
Yaw角度	0° 〜 360°	完全な回転を追跡
サンプリング	100Hz	安定動作
連続動作	1000秒以上	エラーなし

位置推定の特性

軸	最終値	特性
X軸	-1988.290m	負方向にドリフト
Y軸	6170.415m	最も顕著なドリフト（約3.3m/秒）
Z軸	17.246m	中盤でピーク、後半減少

ドリフトについて: IMU単体での位置推定は、加速度の二重積分により必然的に誤差が累積します。これは既知の制限であり、実用化にはGPSやビジョンセンサーなどの外部リファレンスとの統合が必要です。

学んだ重要な教訓

NuttXビルドシステムの理解

二重.config構造: SDK側とNuttX側の両方が存在し、ビルドシステムはNuttX側を参照
CONFIG命名規則: ディレクトリに応じた標準プレフィックス（EXAMPLES_、SYSTEM_等）が必須
Make.defsの重要性: CONFIGURED_APPSへの登録がbuiltin化の核心
MODULE変数は不要: 現代のNuttXではPROGNAME、PRIORITY、STACKSIZEのみで十分

デバッグ手法（Claude Codeから学んだアプローチ）

有効だった確認コマンド：

ビルドシステムが認識しているアプリ一覧

make --dry-run -p 2>&1 | grep CONFIGURED_APPS

builtin登録の確認

grep -i "アプリ名" apps/builtin/builtin_list.h

ビルドログで登録確認

make 2>&1 | grep "Register:"

動作している既存アプリとの比較

diff -u apps/examples/sixaxis/Makefile
apps/examples/bmi160_orientation/Makefile

WSL2開発のポイント

Windows側でのusbipd設定が必須
シリアルポートの競合に注意（minicom等を事前に終了）
パーミッション設定（chmod 666 /dev/ttyUSB0）

AI支援開発の効果的な活用法

うまくいったこと:

コンテキストの共有：エラーメッセージ、ビルドログ、設定ファイルを逐次共有
段階的な問題解決：一度に全て解決しようとせず、1つずつ検証
既存コードとの比較：動作しているコードを基準に差分を分析
ドキュメント自動生成：実装と並行してドキュメントを作成

Claude Codeの限界と対処:

ファイルパスの正確な指定が必要（曖昧な指示では誤動作）
実機テストは人間が実施（ハードウェア操作は不可）
最終的な判断は人間が行う（AIの提案を盲信しない）

AI時代の組み込み開発

従来の開発フロー vs AI支援開発

【従来】
情報収集 → 試行錯誤 → デバッグ → ドキュメント作成
↓ ↓ ↓ ↓
4時間 12時間 8時間 6時間
合計: 30時間

【AI支援】
AI相談 → AI提案実装 → AI支援デバッグ → AI自動ドキュメント
↓ ↓ ↓ ↓
0.5時間 3時間 2時間 0.5時間
合計: 6時間

AI支援開発のベストプラクティス

明確な目標設定: AIに何を実現したいかを具体的に伝える
段階的な進行: 大きなタスクを小さなステップに分割
エラー情報の共有: ログやエラーメッセージを詳細に提供
検証と確認: AI提案を盲信せず、必ず動作確認
知識の定着: AIの説明を理解し、自分の知識として吸収

今後の展開

このプロジェクトを基盤として、以下の拡張が考えられます。

技術的改善

カルマンフィルタによるドリフト抑制
GPS統合による絶対位置補正
データロギング機能（SDカード保存）
リアルタイム3D可視化

応用例

ドローンの姿勢制御
ロボットのナビゲーション
モーションキャプチャシステム
スポーツフォーム分析

まとめ

数年ぶりのSpresense開発で、SDK v3.4.5へのアップデートとBMI160を使った姿勢・位置推定アプリケーションをわずか2日間で実装できました。

これを可能にしたのは、Claude Codeとの協働開発です。特にNuttXのビルトインアプリケーション登録で遭遇した「.configの二重構造」「CONFIG命名規則」「Make.defsのパス指定」という複雑な問題も、AIの体系的なデバッグアプローチにより短時間で解決できました。

AI支援開発の効果:

開発時間を約1/4に短縮（30時間 → 6時間）
デバッグ時間を約1/4に短縮（8時間 → 2時間）
ドキュメント作成を約1/12に短縮（6時間 → 0.5時間）
50,000文字の技術ドキュメントを自動生成

ただし、AIは万能ではありません。ハードウェアとの接続、実機でのテスト、最終的な判断は人間が行う必要があります。AI を「優秀なペアプログラマー」として活用することで、生産性を大幅に向上させることができました。

この経験が、組み込み開発におけるAI活用の参考になれば幸いです。

参考資料

Spresense関連

AI支援開発

https://claude.com/claude-code - Anthropic社のAIペアプログラミングツール
https://www.anthropic.com/api - Claude APIドキュメント

開発環境: Windows 11 + WSL2 (Ubuntu)
SDK: Spresense SDK v3.4.5
NuttX: 12.3.0
AI支援: Claude Code (Claude Sonnet 4.5)
開発期間: 2025-12-13 〜 2025-12-14（2日間）
実質作業時間: 約6.5時間
ステータス: ✅ 完全成功