Construye un Robot Controlado por Voz con Windows 10 IoT Core en Raspberry Pi 2

Historia

La computación temprana dependía de tarjetas perforadas, trackballs y teclados –cada uno requería contacto físico directo. A medida que la tecnología evolucionó, interfaces inalámbricas y táctiles agilizaron la interacción. Hoy, la entrada visual y de voz ofrecen formas aún más intuitivas de controlar dispositivos.

Esta guía demuestra cómo aprovechar el Reconocimiento de Voz integrado en Windows 10 IoT Core para comandar un robot construido sobre Raspberry Pi 2. Al final, tendrás un robot que se mueve, gira y gestiona detección de obstáculos mediante comandos hablados.

¿Nuevo en Windows 10 IoT Core? Empieza con esta visión general.

Actualizado 30 de marzo de 2016

¿Qué es el Reconocimiento de Voz?

El Reconocimiento de Voz traduce palabras habladas a texto. Suele involucrar dos componentes principales: procesamiento de señal y decodificador de voz. El SDK de Voz de Microsoft abstrae estas complejidades, permitiendo a desarrolladores centrarse en la lógica de la aplicación.

Paso 1

Primeros Pasos con Reconocimiento de Voz

El flujo básico es:

• Crear una Gramática de Reconocimiento de Voz (SRGS)
• Instanciar SpeechRecognizer y cargar la gramática
• Suscribirse a eventos de reconocimiento e implementar manejadores

Crear Gramática de Reconocimiento de Voz

Definir una gramática personalizada permite a la app entender los comandos específicos que quieres que el robot acepte. Para este proyecto, el vocabulario incluye:

• Avanzar
• Retroceder
• Girar Derecha
• Girar Izquierda
• Parar
• Activar Detección de Obstáculos
• Desactivar Detección de Obstáculos

La gramática se expresa en XML SRGS. Reglas estructurales clave:

• El elemento raíz debe ser <grammar>.
• Debe incluir version, xml:lang y el namespace SRGS.
• Se requiere al menos un elemento <rule>.
• Cada regla debe tener un atributo id único.

Para guía detallada de SRGS, consulta la documentación de MSDN y W3C.

Inicializar Speech Recognizer y Cargar Gramática

SpeechRecognizer reside en el namespace Windows.Media.SpeechRecognition. Impórtalo y carga tu archivo XML SRGS. Si la compilación falla, verifica que un micrófono esté conectado y reconocido por IoT Core.

Registrar Eventos de Speech Recognizer y Crear Manejador

Una vez el reconocedor está en marcha, emite ResultGenerated cuando parsea habla con éxito. Usa este evento para extraer args.Result.Text y mapearlo a acciones del robot. El evento StateChanged informa cuándo el reconocedor empieza o deja de escuchar.

Visual Studio puede auto‑generar métodos manejadores con la tecla Tab. Alternativamente, registra manejadores justo después de crear la instancia de SpeechRecognizer.

Paso 2

Cómo Actuar tras Voz Parseada

En el manejador ResultGenerated, inspecciona args.Result.Text y ejecuta lógica condicional para controlar los motores del robot. La clase MotorDriver (incluida en el ejemplo) abstrae la manipulación GPIO. El código fuente completo se proporciona al final del artículo.

Paso 3

Actualizar Capacidad del Dispositivo

Antes de desplegar en Raspberry Pi 2, añade la capacidad microphone al manifiesto del paquete de tu app. Esto concede permiso para acceder a entrada de audio.

Una vez listo el software, cablea el hardware como se describe a continuación.

Paso 4

Desplegar y Registrar App como Aplicación de Inicio

Para que el robot escuche comandos nada más arrancar, registra tu app como aplicación de inicio. Despliégala primero, luego usa PowerShell o el Portal Web‑Management de IoT Core.

Es buena idea cambiar el nombre de familia del paquete antes del despliegue para evitar conflictos.

Tras el despliegue, registra la app como servicio de inicio usando el Portal Web‑Management.

Si hay problemas de registro, consulta esta guía de solución de problemas.

Tras registro exitoso, reinicia la Raspberry Pi 2 y confirma que la app arranca automáticamente.

Esquemático

El hardware del robot consiste en chasis con motores DC, Raspberry Pi 2 con Windows 10 IoT Core, batería de motor 9‑12 V, sensor de distancia y fuentes de alimentación. La batería del motor alimenta el driver H‑Bridge, mientras la Raspberry Pi 2 requiere fuente dedicada de 5 V –ya sea PowerBank USB o regulador 7805.

¿Por Qué Resistencias con Sensor Ultrasónico?

El sensor ultrasónico entrega 5 V en su pin Echo, lo que supera el nivel lógico de 3,3 V de la Raspberry Pi 2. Un divisor de tensión (R1 = 1 kΩ, R2 = 2 kΩ) reduce el voltaje a 3,3 V:

V_out = 5 × (2 kΩ / (1 kΩ + 2 kΩ)) = 3,3 V

ADVERTENCIA: Conectar directamente el pin Echo a un GPIO de la Pi dañará la placa. Usa siempre un level shifter o divisor.

Montaje Final

Problemas Conocidos

Reconocimiento de Voz No Funciona (Build 10586)

El reconocimiento de voz falla en dispositivos IoT con Windows IoT Core build 10586.

Solución: Revertir a build 10240 hasta que Microsoft lance actualización que resuelva el problema.

Problema de Micrófono

La precisión cae con micrófonos de baja calidad, especialmente a distancias sobre 1‑2 m.

Solución: Usa micrófono de alta calidad o inalámbrico. Si es necesario, amplifica la señal o considera headset con cancelación de ruido.

Retraso de Procesamiento del Reconocedor

El reconocimiento de voz introduce latencia de 600‑2000 ms. Para robots rápidos, este retraso puede causar desalineación entre comando y acción.

Solución: Versiones actuales del SDK no reducen este retraso. Futuras versiones pueden ofrecer optimizaciones.

Diferencias de Pronunciación

Acentos y pronunciaciones regionales afectan el reconocimiento. Especifica idioma y región en el archivo SRGS (p. ej., xml:lang="en-GB" para inglés UK).

Ruido Ambiental

El ruido de fondo reduce precisión. Aunque es difícil eliminarlo, un micrófono con cancelación de ruido mitiga el problema.

Micrófono USB / Tarjeta de Sonido USB No Reconocida

Desde build 10531, Windows IoT Core soporta dispositivos de audio USB genéricos. Si tu dispositivo usa driver propietario, puede no funcionar.

Prueba otro micrófono USB o tarjeta de sonido que use driver genérico.

Mejoras Futuras

Extiende el robot con retroalimentación visual –p. ej., LED verde para comandos exitosos y rojo para errores. También puedes añadir estados “escuchando” y “durmiendo” para evitar activaciones accidentales.

¿Te Has Dado Cuenta?

El título animado muestra una característica no cubierta en este texto. Explora la animación con atención e intenta implementar la capacidad oculta.

¡Buena suerte!

Fuente: Speech Controlled Robot