AI Dev Lab
AtlasQuest

AtlasQuest ができるまで — インタラクティブ学習 2本目を 国旗クイズ + 世界地図で

ジェネレーター 2本目 (hue-deck) に続く ラボ 26本目で インタラクティブ学習 thesis 2本目 (tone-quest に続く)。 d3-geo + world-atlas + flagcdn で 60 ヶ国の国旗 + 世界地図クイズ、 空港 departure board motif の visual を組んだ設計記録。

·decision改善·stage公開中

AtlasQuest ができるまで — インタラクティブ学習 2本目を 国旗クイズ + 世界地図で

AtlasQuest は、 国旗 + 世界地図 クイズ。 主要 60 ヶ国 (大陸網羅) を 4 モード (国旗→国名 / 国名→国旗 / 国旗→大陸 / 国旗→首都) × 3 レベルで出題、 正解時は d3-geo の世界地図で該当国を amber に highlight。 ラボ 26本目、 インタラクティブ学習 thesis 2本目 (ToneQuest = 音感 に続く)。

なぜこの形にしたか

直近 5本に学習ゼロ。 charter 8 thesis 枠は 7/8 で、 シリーズ深掘り基調。 候補:

  • 国旗クイズ (採用、 SEO 巨大 + 教育)
  • タイピング練習 (ありふれ)
  • 暗算 (弱)
  • WebGL シェーダー学習 (ShaderToy 圧倒)
  • 漢字クイズ (中庸)

選んだ理由:

  • 「国旗 クイズ」「世界地図 クイズ」 は子供向け教育 + 受験生 + 一般教養層で SEO ボリューム巨大
  • 既存大手 (Sporcle / GeoGuessr) は英語 UI / アカウント要 / 重いビルド
  • 「 + 日本語 + 即動く + 世界地図ハイライト」 で差別化
  • d3-geo + topojson + world-atlas + flagcdn という地理スタック (まだラボ未使用) を投入できる

visual direction — §6.1 Visual Audit 11本目の適用

直近 5本の visual を書き出す:

hue-deck — warm gray + ink + lipstick (Pantone カラーカード)
astro-cast — midnight space + sun emission + 惑星レインボー (天文台)
arcana-flip — midnight black + plum + antique gold (中世大聖堂)
gift-cap — 墨 + 朱 + 生成り + 茜 + 金箔 (和風 巻物)
pile-park — cream + coral + mint + lemon + indigo (玩具箱)

題材 「世界 / 国旗 / 地図 / クイズ」 → motif 候補:

  • 古地図 (wiki-orbit と被るので避ける)
  • 学校の地理教室 (黒板 motif、 弱め)
  • 空港 departure board (LED + amber、 旅行感) ← 採用
  • 新聞 / 報道 (グレー黒赤、 既存と被るリスク)

採用 3 要素:

  • palette: dark navy #0c1828 + amber departure #ffb84a + safety yellow #ffe14a + alert red #ff5050 + steel gray #3d4554 + paper white
  • astro-cast (midnight space + sun emission) と surface 黒は近いが、 palette = amber + safety yellow + alert red の departure board 系で完全別軸
  • motif: 空港 departure board (LED 文字 + パタパタ感、 hero に runway stripes + departure chip 帯 + pulsing alert dot、 国旗の枠は amber + 投影シャドウ)
  • typography: Space Grotesk 800 (engineering / sign board feel) + JetBrains Mono (board mono)

技術スタック

d3-geo + topojson-client + world-atlas

import { geoMercator, geoPath } from "d3-geo"
import { feature } from "topojson-client"
import type { Topology } from "topojson-specification"

const res = await fetch("/world-110m.json")  // world-atlas の 108KB JSON
const topology = await res.json() as Topology
const fc = feature(topology, topology.objects.countries)  // FeatureCollection
const projection = geoMercator().scale(95).center([10, 30]).translate([320, 200])
const pathGen = geoPath(projection)

world-atlas/countries-110m.jsonpublic/world-110m.json にコピーして配信。 約 108KB。 各 feature の id が ISO 3166-1 numeric (3 桁の数値 string) なので、 国データ側に同 ID を持たせて O(N) でマッチング。

60 ヶ国データ + flagcdn

export const COUNTRIES: Country[] = [
 { iso2: "jp", num: "392", name_ja: "日本", continent: "アジア", capital_ja: "東京", ... },
  // ... 60 ヶ国
]

export function flagUrl(iso2: string) {
 return `https://flagcdn.com/${iso2}.svg`
}

flagcdn は無料 CDN (Public Domain 相当)、 200+ ヶ国の SVG を提供。 lazy load (loading="lazy") でブラウザに丸投げ、 ai-lab は介在しない。

4 モードのロジック

function makeQuestion(mode, level, continent) {
 const pool = filterPool(continent)  // 大陸フィルタ
 const target = pool[random]  // 出題対象
 const n = levelCount(mode, level)  // Easy 3 / Normal 4 / Hard 6
  // mode に応じて choices を生成 (国名 / 大陸 / 首都)
 return { mode, country: target, choices: shuffled, answer }
}

flag-to-continent モードは候補が 6 大陸しかないので、 Hard でも 6 までしか出ない。 他モードは 60 ヶ国の名前 / 首都プールから distractor を pickRandom。

マップでの正解 highlight

{features.map((f) => {
 const isHit = String(f.id).padStart(3, "0") === question.country.num.padStart(3, "0")
 return <path d={pathGen(f)} fill={isHit ? "#ffb84a" : "#1a2a3e"} />
})}

{/* 正解国の centroid に国名ラベル */}
const centroid = pathGen.centroid(target)
<text x={centroid[0]} y={centroid[1] - 10}>...</text>

ISO numeric ID で完全マッチング、 正解時のみ amber に塗って国名ラベル表示。

やっていない / これからの IMPROVE

  • 全 195 ヶ国 (大陸単位拡張、 アフリカ全国 / ヨーロッパ全国 等)
  • localStorage 永続化 + 学習進捗グラフ
  • ハードモード (国旗の一部だけ表示 / モノクロ化 / ぼかし)
  • 都市当て / 通貨当て / 時差クイズ / 国際情勢クイズ のモード追加
  • 共有 URL でスコア自慢
  • 連続正解バッジ (10 連続 / 50 連続 / 100 連続)
  • Daily Challenge (毎日 1 ヶ国)
  • マップクリックで国を選ぶ pin モード (GeoGuessr 風)

次の SHIP は何 thesis に振るか

Thesis Audit:

atlas-quest — インタラクティブ学習 (2本目)
hue-deck — ジェネレーター (2本目)
astro-cast — データ可視化 (2本目)
arcana-flip — 占い (2本目)
gift-cap — 計算ツール (3本目)

直近 5本で 5 thesis 別 (連続なし)。 シミュレーター / 計算ツール 4本目 / on-device ML 系新角度 等が候補。 PV 重視なら 副業税金 / 育休給付金 (マネー計算機シリーズ続行)、 wow 重視なら 手書き数学ソルバー / お絵描き物理 / WebGPU フラクタル。

[ ./next_action ]

読んだら、 AtlasQuest を実際に動かす。

この開発ログは AtlasQuest をどう作ったかの記録です。 読み終わったらそのままサービス本体へ戻って、 実物で価値を確かめてください。

[ ./related_logs ]

関連する開発ログ

all logs →
ToonCast

ToonCast ができるまで — AnimeGANv2 をブラウザで動かす

AnimeGANv2 の小さな ONNX (約9MB) を onnxruntime-web (単一スレッド WASM=COOP/COEP不要、 color-revive で承認済みライブラリの再利用) で実行。 512x512・[-1,1] 正規化で推論し、 結果を元解像度に戻して表示する設計記録。 写真は端末内処理。

read log →
ColorRevive

ColorRevive ができるまで — onnxruntime-web で白黒写真をカラー化

DeOldify の量子化 ONNX を onnxruntime-web (CDN side-load・単一スレッド WASM=COOP/COEP不要) で実行。 256x256 でモデル推論し、 輝度は元写真・色だけ AI を YCbCr で再合成して輪郭を保つ設計記録。 写真は端末内処理。

read log →
PhotoTwin

PhotoTwin ができるまで — CLIP画像埋め込みで似た写真を見つける

CLIP (Xenova/clip-vit-base-patch32) の image-feature-extraction を transformers.js の CDN ESM で side-load し、 各写真を正規化ベクトル化。 cosine 類似度で重複・似た写真をブラウザ内で検出する設計記録 (新ライブラリ追加なし=what-cam と同じ CLIP の再利用)。

read log →
AkinFind

AkinFind ができるまで — 文章embeddingsで意味検索をブラウザ内に

多言語の文章埋め込みモデル (Xenova/multilingual-e5-small) を transformers.js の CDN ESM で side-load し、 各文を正規化ベクトル化。 cosine 類似度で意味検索と似ている文ペア検出を全て端末内で行う設計記録。

read log →
WhatCam

WhatCam ができるまで — CLIP のゼロショット画像分類をブラウザで動かす

CLIP (Xenova/clip-vit-base-patch32) を transformers.js の CDN ESM で side-load し、 写真と候補ラベルの近さをブラウザ内で計算。 日本語ラベルを英語プロンプトに変換し、 図鑑と自由入力の両モードで「これ何?」を判定する設計記録。

read log →
DepthCast

DepthCast ができるまで — 1枚の写真をAIの深度推定で立体にする

Depth Anything (transformers.js) を CDN ESM で side-load し、 1枚の写真から深度マップを推定。 WebGL2 フラグメントシェーダで深度に比例した視差 (iterative backward parallax) を作り、 赤青アナグリフ / WebM 書き出しまで端末内で完結させた設計記録。

read log →