Implementasi Sistem Kendali Robot 4WD Berbasis Keyword Spotting dengan EDGE AI pada Mikrokontroler ESP32-S3
Keywords:
EDGE AI, ESP32-S3, Keyword Spotting, Robotika Pendidikan, ESP-NOWAbstract
Meningkatnya adopsi Kecerdasan Buatan (AI) dalam dunia pendidikan telah menciptakan kesenjangan yang signifikan antara alat pembelajaran robotika konvensional dengan kebutuhan industri saat ini. Platform yang ada, seperti robot Edubit berbasis BBC Micro:bit yang digunakan di Educourse.id, belum memiliki kemampuan pemrosesan AI secara asli (native) dan memiliki biaya yang relatif tinggi, sehingga kurang memadai untuk mengajarkan konsep embedded AI modern. Penelitian ini menyajikan desain dan implementasi purwarupa robot 4WD yang dikendalikan suara menggunakan teknologi Keyword Spotting yang diimplementasikan sepenuhnya pada perangkat melalui Edge AI. Sistem ini dibangun menggunakan mikrokontroler ESP32-S3 dengan memanfaatkan arsitektur dual-core Xtensa LX7 yang mendukung instruksi vektor untuk akselerasi jaringan saraf. Input audio ditangkap melalui mikrofon MEMS INMP441 melalui protokol I2S dan diproses oleh framework ESP-SR, yang mengintegrasikan WakeNet untuk deteksi wake word ("Hi ESP") dan MultiNet7 untuk klasifikasi perintah navigasi. Lima perintah arah didukung dalam sistem ini: maju, mundur, kiri, kanan, dan berhenti. Arsitektur FreeRTOS dual-core dengan penempatan tugas (task pinning) secara eksplisit memisahkan inferensi AI pada Core 1 dari logika Finite State Machine dan transmisi nirkabel pada Core 0 untuk memastikan performa real-time yang deterministik. Perintah navigasi yang telah divalidasi dikirimkan secara nirkabel ke unit robot menggunakan protokol ESP-NOW melalui struktur paket 7-byte yang ringkas dengan verifikasi integritas XOR checksum. Evaluasi sistem dilakukan menggunakan Black Box Testing melalui 50 percobaan yang melibatkan lima penutur berbeda di lingkungan dalam ruangan dengan tingkat kebisingan sedang. Hasil penelitian menunjukkan akurasi pengenalan perintah sebesar 100% di seluruh lima perintah navigasi, dengan skor kepercayaan rata-rata 17,62%. Temuan ini mengonfirmasi bahwa sistem yang diusulkan sangat andal dan layak digunakan sebagai platform pembelajaran Edge AI yang terjangkau dan interaktif untuk pendidikan robotika.
Downloads
References
[1] W. Shi, J. Cao, Q. Zhang, Y. Li, and L. Xu, "Edge Computing: Vision and Challenges," IEEE Internet of Things Journal, vol. 3, no. 5, pp. 637–646, Oct. 2016.
[2] P. Warden and D. Situnayake, TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers. Sebastopol, CA: O'Reilly Media, 2019.
[3] M. Rusci and T. Tuytelaars, "On-Device Customization of Tiny Deep Learning Models for Keyword Spotting with Few Examples," IEEE Micro, vol. 43, no. 3, pp. 41–48, 2023.
[4] S. Gupta, U. Mamodiya, and A. J. A. Al-Gburi, "Speech Recognition-Based Wireless Control System for Mobile Robotics: Design, Implementation, and Analysis," Robotics, vol. 6, no. 3, p. 25, 2025.
[5] A. Alwarafy, K. A. Al-Thelaya, M. Abdallah, J. Schneider, and M. Hamdi, "A Survey on Security and Privacy Issues in Edge Computing-Assisted Internet of Things," IEEE Access, vol. 9, pp. 15001–15026, 2021
[6] Espressif Systems, ESP32-S3 Technical Reference Manual, Version 1.4, Espressif Systems, Shanghai, China, 2022. [Online].
[7] Espressif Systems, "ESP-SR Speech Recognition Framework," GitHub, 2022.
[8] R. Barry, Mastering the FreeRTOS Real Time Kernel. Real Time Engineers Ltd., 2016.
[9] C. R. Banbury et al., "Benchmarking TinyML Systems: Challenges and Direction," arXiv:2003.04821, 2020.
[10] D. Urazayev, A. Eduard, M. Ahsan, and D. Zorbas, "Indoor Performance Evaluation of ESP-NOW," in Proc. IEEE SIST, Astana, Kazakhstan, 2023, pp. 1–6.
[11] D. Eridani, A. F. Rochim, and F. N. Cesara, "Comparative Performance Study of ESP-NOW, Wi-Fi, Bluetooth Protocols based on Range, Transmission Speed, Latency, Energy Usage and Barrier Resistance," in Proc. IEEE ICIC, Gorontalo, Indonesia, 2021, pp. 1–6.
[12] F. Wagner, R. Schmuki, T. Wagner, and P. Wolstenholme, Modeling Software with Finite State Machines: A Practical Approach. Boca Raton, FL: Auerbach Publications, 2006..
[13] P. Horowitz and W. Hill, The Art of Electronics, 3rd ed. Cambridge University Press, 2015.
[14] R. S. Pressman, Software Engineering: A Practitioner's Approach, 8th ed. McGraw-Hill, 2015.
[15] P. Jakuš and H. Džapo, "Implementing Keyword Spotting on the MCUX947 Microcontroller with Integrated NPU," arXiv:2506.08911, 2025.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Rehandra, Feri Candra (Author)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
