Windows 10 IoT Coreで音声制御ロボットを構築 - Raspberry Pi 2編

ストーリー

初期のコンピューティングはパンチカード、トラックボール、キーボードなど、直接的な物理接触を必要としました。技術進化によりワイヤレスとタッチインターフェースがユーザー操作を効率化。今日では視覚と音声入力が、デバイス制御のさらなる直感的な手段となっています。

このガイドでは、Windows 10 IoT Coreに組み込まれた音声認識を活用し、Raspberry Pi 2上で構築したロボットを音声コマンドで操作する方法を示します。最後には、話しかけるだけで移動、旋回、障害物検知のオン/オフができるロボットが完成します。

Windows 10 IoT Coreが初めての方は、概要から始めてください。

2016年3月30日更新

音声認識とは？

音声認識は話し言葉をテキストに変換する技術。一般に信号処理と音声デコーダの2コアコンポーネントで構成されます。Microsoft Speech SDKはこれらの複雑さを抽象化し、開発者がアプリケーションロジックに集中できるようにします。

ステップ1

音声認識の導入

基本ワークフロー：

• 音声認識文法（SRGS）を作成
• SpeechRecognizerをインスタンス化し文法を読み込み
• 認識イベントを購読しハンドラーを実装

音声認識文法の作成

カスタム文法を定義することで、ロボットが受け付ける特定コマンドを理解可能に。本プロジェクトの語彙：

• 前進
• 後退
• 右旋回
• 左旋回
• 停止
• 障害物検知開始
• 障害物検知停止

文法はSRGS XMLで表現。主要構造ルール：

• ルート要素は<grammar>
• version、xml:lang、SRGS名前空間を含む
• 少なくとも1つの<rule>要素が必要
• 各ルールは一意のid属性を持つ

詳細なSRGSガイダンスはMSDNとW3Cドキュメントを参照。

音声認識エンジンの初期化と文法読み込み

SpeechRecognizerはWindows.Media.SpeechRecognition名前空間に存在。インポート後、SRGS XMLファイルを読み込み。コンパイル失敗時はマイクが接続されIoT Coreで認識されているか確認。

音声認識イベントの登録とハンドラー作成

認識エンジン稼働後、正常に音声解析するとResultGeneratedイベントが発火。このイベントでargs.Result.Textを取得し、ロボットアクションにマッピング。StateChangedイベントでリスニング開始/停止を把握。

Visual StudioならTabキーでハンドラーメソッドを自動生成可能。またはSpeechRecognizerインスタンス作成直後にハンドラー登録。

ステップ2

解析済み音声に基づく走行制御

ResultGeneratedハンドラー内でargs.Result.Textを検査し、条件分岐でロボットモーターを制御。MotorDriverクラス（サンプルに含む）がGPIO操作を抽象化。完全なソースは記事末尾に掲載。

ステップ3

デバイス機能の更新

Raspberry Pi 2へのデプロイ前に、アプリのパッケージマニフェストにmicrophone機能を追加。これによりアプリが音声入力へアクセス可能になります。

ソフトウェア準備完了後、以下のハードウェア配線を行います。

ステップ4

アプリのデプロイとスタートアップ登録

起動直後にコマンド待受けできるよう、アプリをスタートアップアプリケーションとして登録。まずデプロイし、その後PowerShellまたはIoT Core Web管理ポータルで設定。

デプロイ前にパッケージファミリ名を変更し、競合を回避するのが賢明です。

デプロイ後、Web管理ポータルでスタートアップサービスとして登録。

登録問題が発生した場合はトラブルシューティングガイドを参照。

正常登録後、Raspberry Pi 2を再起動し、アプリが自動起動することを確認。

回路図

ロボットハードウェアは、DCモーター搭載シャーシ、Windows 10 IoT Core搭載Raspberry Pi 2、9-12Vモーター用バッテリー、距離センサー、電源で構成。モーターバッテリーがHブリッジドライバーに、Raspberry Pi 2には専用5V電源（USB PowerBankまたは7805レギュレーター）が必要。

超音波距離センサーに抵抗が必要な理由

超音波センサーのEchoピンは5V出力だが、Raspberry Pi 2のロジックレベルは3.3V。分圧抵抗（R1=1kΩ、R2=2kΩ）で3.3Vに降圧：

V_out = 5 × (2kΩ / (1kΩ + 2kΩ)) = 3.3V

警告：Echoピンを直接Pi GPIOに接続するとボード破損。必ずレベルシフターまたは分圧器を使用。

最終組み立て

既知の問題

音声認識が動作しない（ビルド10586）

Windows IoT Coreビルド10586では音声認識が失敗します。

解決策： Microsoftが修正アップデートをリリースするまでビルド10240に戻してください。

マイク問題

低品質マイクでは認識精度が低下、特に1-2m以上の距離で顕著。

解決策： 高品質またはワイヤレスマイクを使用。必要なら信号増幅やノイズキャンセリングヘッドセットを検討。

認識処理遅延

音声認識には600-2000msのレイテンシが発生。高速移動ロボットではコマンドとアクションのズレを招く。

解決策： 現行SDKでは遅延短縮不可。将来のリリースで最適化の可能性。

発音違い

アクセントや地域差が認識に影響。SRGSファイルで言語と地域を指定（例：xml:lang="en-GB"で英国英語）。

環境ノイズ

背景雑音が精度低下の原因。完全除去は困難だが、ノイズキャンセリングマイクで緩和可能。

USBマイク/USBサウンドカードが認識されない

ビルド10531以降、Windows IoT Coreは汎用USBオーディオデバイスをサポート。独自ドライバー使用デバイスは動作しない場合あり。

汎用ドライバー採用の別USBマイク/サウンドカードを試してください。

今後の拡張

視覚フィードバック追加例：成功コマンドで緑LED点灯、エラーで赤LED点灯。「リスニング」「スリープ」状態を設けて誤作動防止。

気づきましたか？

アニメーションタイトルには本文未記載の機能が隠されています。アニメーションをよく観察し、隠れた機能の実装に挑戦してみてください。

頑張って！

出典： 音声制御ロボット