基于語音控制的機器人下棋系統開發

張炳凱，劉 浩，鄭雯欣，嵇 淮，張潔豪，李 挺，張秋菊

（江南大學機械工程學院，江蘇 無錫 214122）

引言

近年來，機器人技術和人工智能發展迅速，服務機器人在日常生活中的應用越來越廣泛，同時我國人口老齡化問題日趨嚴重，人們對老年服務機器人的需求不斷增加。對于服務機器人來說，方便、自然、快捷的人機交互方式是智能化的重要體現，而語音交互是其中的一種主要交互方式。語音交互即通過語言讓機器能像人類一樣聽懂對方傳達的信息，是由計算機對語音信號進行處理和分析，然后將其轉變成與原信號相對應的文本和命令，通過機器執行和表達，從而實現用戶與機器之間的信息交換的過程[1]。

作為一種智能的人機交互模式，語音交互在智能家居[2]、醫療、門禁系統、軌道交通[3]、救援[4]、身份識別等領域有著廣泛的應用，隨著技術的發展，語音交互還將在更多領域服務于人類。

本研究采用語音交互方式，通過LD3320 芯片識別人聲，由STM32 控制Dobot 機械臂，開發了語音控制下棋系統，并進行了實驗。該研究將語音控制機器人和棋盤游戲相結合，讓行動不便的老人以及殘疾人士通過語音便可進行博弈，也可以作為一種陪伴老人和孩童的娛樂教育功能拓展。

1 機器人下棋系統組成

機器人下棋系統由機械臂、語音控制模塊和棋盤組成（見圖1）。老人或殘障人士可通過說話來控制機器人進行下棋。其中下棋機器人選用Dobot 四自由度串聯機械臂，有四個轉動關節，由四臺步進電機控制，有著兩個角度傳感器，動作精度可達0.2 mm，可以保證棋子精確下落。末端執行器采用吸盤，通過氣泵工作以完成下棋動作，語音控制模塊由LD3320 語音識別芯片和STM32 主控板組成。

圖1 機器人下棋系統組成

棋盤（見圖2），考慮到機械臂的運動范圍，該棋盤采用4×4 布置，以數字0～15 標號，通過按鍵控制機械臂進行示教來獲取坐標點的位置，并以列表的形式寫入程序以完成標定。在使用時，使用者只需說出對應棋子的數字代號，便可實現棋子的移動（見圖2）。

圖2 4×4 棋盤

2 語音識別與交互功能設計

2.1 語音識別原理

一個標準的語音識別過程包括信號處理與分析、特征提取、模型庫訓練和模式匹配四部分，是通過比較已知與未知以獲得結果的過程。根據語音識別對象的不同，又將語音識別分成特定人語音識別和非特定人語音識別兩類。目前語音識別中常用的算法有動態時間規整法(DTW)[5]、隱馬爾可夫模型法(HMM)[6]、人工神經網絡法(ANN)。其中DTW 法采集的語音樣本少，避免了FFT 運算且訓練相對簡單，多用于小型語音識別系統。HMM 是一種統計模型，需要大量的數據來反復訓練，工作時從采集到的語音信號中進行特征提取，并與已創建的模型進行參數匹配，將最好的匹配狀態作為輸出結果。HMM 法的主要優點是識別率高，抗噪性強及魯棒性好，已成為非特定人語音識別的主要方法。ANN 法采用多個處理單元模擬人類神經元活動，具有高度的自適應性和較好的容錯性，常用于認知任務，多與HMM 算法相配合使用。本研究采用的LD3320 語音識別芯片是一款采用HMM 算法的非特定人語音識別(SI-ASR)芯片，集成了語音信號處理和其他相關的外部電路，包括A/D、D/A 轉換電路等，不需要外接Flash 和RAM[7]。芯片內部整合了事先創建好的語音模型庫和算法，可獨立完成語音信號的處理和識別工作，識別準確率可達95%。該芯片與STM32之間有串口通信與SPI 通信兩種通信模式，本研究采用SPI 通信方式控制該芯片。

2.2 語音交互的實現

表1 給出了該下棋系統所用到的部分語音指令，語音信號在STM32 主控板中被轉為數字代碼，以便于處理。使用過程中，語音識別芯片將信號拾取后進行處理，將識別結果送入STM32 中與模型庫進行匹配，并根據匹配結果選取運動路徑，根據該路徑輸出對機械臂和末端執行器的驅動指令以完成下棋操作。

表1 語音指令表（部分）

3 機器人下棋功能的開發

3.1 Dobot 機械臂的運動學模型

Dobot 機械臂共有4 個運動關節，本研究末關節為吸盤，并未設計第4 個轉動關節，只需對3 個關節做運動學建模。如圖3 建立各關節的X 軸、Y 軸、Z軸。Z 軸和驅動軸同向；X 軸針對Z 軸平行和垂直兩種情況分別確定。基坐標的X 軸取機械臂向正前方為正。坐標系建立后，將Dobot 機械臂在笛卡爾坐標系中進行標準D-H 參數建模，D-H 參數見表2。θ2，θ3由機械臂運動姿態確定，d1，d2，d3為連桿理論長度。機械臂的運動范圍：底座-90°～90°，大臂運動范圍0°～85°，小臂運動范圍-10°～90°。

圖3 Dobot 機械臂的連桿坐標系

表2 標準D-H 參數表

在機器人正運動學中，連桿坐標系{i}與{i-1}之間的齊次變換i-1iT 與θi、di、αi-1、ai-1之間的關系為

相鄰兩連桿之間的變換通式為

機器人的逆運動學問題是機器人運動方程的求解，是在已知末端執行器的期望的位置和姿態的情況下，求解機器人相應的各關節變量。設末端執行器的期望位姿為

令（3）式與（4）式相等，便可求得各關節變量。

3.2 下棋功能的開發

本研究采用的運動控制函數為Dobot 控制器中的庫函數，如SetPTPCmd()函數發送目標點參數結構體，控制器就可以控制吸盤運動到棋盤中的任意位置。程序中GetPose()函數用來獲取末端執行器的實時點坐標參數，進而實現閉環控制。在Dobot 末端裝配吸盤，吸盤配合安裝了氣泵盒，能夠牢牢的吸住棋子。SetEndEffectorSuctionCup()函數用來控制吸盤工作。圖4 給出了系統的總工作流程圖。

圖4 系統工作流程

3.3 STM32 主控板與Dobot 機械臂控制器的通信

主控板與機械臂采用串口通信的方式，通信參數中波特率設置為115 200 bps。因物理層每次發送和接受8 位原始數據，本研究所設計的控制系統每次發送的數據遠大于8 位，所以Dobot 制定了通信協議來保證數據傳輸的開始、結束和校驗數據的準確性。因此，STM32 主控板每次都是發送一串包含包頭、負載幀長、負載幀和數據校驗的數據包，來控制機械臂。本研究中采用循環隊列的方式實現一次發送一個超過8位原始數據的數據包給Dobot。每當隊列發送了一個8位數據，自動打開串口發送中斷，繼續發送下一個，直至隊列中的數據全部發送出去，保證串口的發送中斷不被打開。

4 機器人下棋系統的實驗驗證

本研究搭建了圖1 所示的機器人下棋系統，為了測試該語音控制系統的語音識別準確率，對上述系統進行了實驗驗證，分別在實驗室的安靜環境中和人為嘈雜環境中對16 個坐標點進行了反復測試，測試指令包含三種不同人聲共32 條指令。表3 給出了機器人下棋系統部分語音信號分別在安靜和嘈雜環境中的識別準確率。

表3 機器人下棋系統語音信號識別準確率（部分）（%）

根據測試結果，在相對安靜的環境中識別率可達92%以上，而在相對嘈雜的環境中，識別率可達到85%，滿足了語音控制機器人下棋的現實要求。

5 結論

本研究設計開發了一款基于語音控制的機器人下棋系統。該系統由語音識別芯片、STM32 主控板及Dobot 機械臂組成，采用語音交互的方式控制機器人下棋。經測試實驗，本系統能保證語音識別的準確率，能實現五子棋的下棋要求。為老人及殘障人士的娛樂提供了一種新的方式，同時也為娛樂和教育提供了參考與借鑒。

在下五子棋的基礎上，該系統可拓展用于跳棋、圍棋等活動。將該系統與圖形處理模塊結合，對象棋棋子進行識別，可實現象棋的博弈等。