Hlasový asistent pro ovládání polohovatelné postele

Abstract

Tato diplomová práce představuje vývoj a implementaci systému pro polohování lůžka ovládaného hlasem, který je navržen pro osoby se sníženou soběstačností. Systém využívá platformu Edge Impulse s TensorFlow Lite k vytvoření knihovny pro rozpoznávání řeči, založené na strojovém učení v malém modelu. Základní funkčnost je dosažena prostřednictvím kontinuálního vzorkování zvuku a inferencí, což zajišťuje okamžitou odezvu v reálném čase. Systém je schopen rozpoznat aktivační slovo, po kterém následuje jedenáct různých příkazů pro nastavení stupně polohy lůžka. Před provedením jakýchkoli úprav systém vyžaduje povolení od uživatele a poskytuje zpětnou vazbu o každém provedeném příkazu za účelem testování pomocí technologie BLE ze zařizení uživatele. Systém navíc podporuje přizpůsobení hlasových příkazů prostřednictvím webové aplikace a API platformy, což umožňuje uživatelům nahrávat své vlastní příkazy přizpůsobené jejich řečovým vzorcům. Hardwarová implementace je založena na mikrokontroléru Arduino Nano 33 BLE Sense, malém, ale výkonném zařízení pro autonomní klasifikaci příkazů. Tento projekt demonstruje proveditelnost asistivní technologie ovládané hlasem na koncovém zařízení a nabízí zlepšení nezávislosti a kvality života pro uživatele s pohybovými obtížemi.

This thesis presents the development and implementation of a voice-controlled bed positioning system, designed to enhance accessibility for individuals with limited mobility. The system utilizes Edge Impulse platform with TensorFlow Lite, to create a speaker-dependent tiny model speech recognition library based on machine learning. The core functionality is achieved through continuous audio sampling and inferencing, ensuring real-time responsiveness. The system is capable of recognizing a wake-up word, followed by eleven distinct commands to adjust the bed's position or a degree of adjustment. It seeks user permission before executing any adjustments and provides feedback on each command executed for testing purposes using the BLE technology. Additionally, the system supports the customization of voice commands through a web application and platform API, allowing users to record their own commands tailored to their speech patterns. The hardware implementation is based on an Arduino Nano 33 BLE Sense microcontroller, a small yet powerful device for autonomous command classification. This project demonstrates the feasibility of voice-activated assistive technology on the edge device, offering improvements in independence and quality of life for users with mobility challenges.