ESP32-S3 桌面语音移动机器人 DIY：可移动、可对话、带 OLED/RGB 和 3D 打印外壳

ESP32-S3 桌面语音移动机器人 DIY：可移动、可对话、带 OLED/RGB 和 3D 打印外壳

ESP32-S3 桌面语音移动机器人 DIY：可移动、可对话、带 OLED/RGB 和 3D 打印外壳

项目简介

这个项目是一个 500-1000 元级别的桌面语音移动机器人原型。它使用 ESP32-S3 作为主控，负责 Wi-Fi、音频采集与播放、电机控制、OLED 状态显示、RGB 状态灯和基础安全保护；AI 对话能力通过云端 API 实现。

第一版目标很明确：

• 可以在桌面上两轮差速移动

• 可以通过按键录音和云端 AI 对话

• 可以识别"前进、后退、左转、右转、停止、转一圈"等语音动作指令

• OLED 小屏显示工作状态、电池电压、Wi-Fi 和安全状态

• RGB LED 用颜色提示录音、思考、说话、移动和故障

• 底部红外传感器做桌面防跌落

• 前方传感器做基础避障

• 提供 3D 打印外壳 STL 和 OpenSCAD 参数化源文件

项目目录已经包含 Arduino 固件、接线文档、采购清单、云端接口约定、测试清单、3D 打印模型和安装爆炸图。

安装爆炸图

主要部件从上到下包括：

• 上盖

• OLED 屏

• RGB 灯

• ESP32-S3 主控

• INMP441 麦克风

• MAX98357A 功放

• 小喇叭

• 18650 电池

• TB6612FNG 电机驱动

• N20 电机和车轮

• 防跌落传感器

• 前方避障传感器

• 底盘

硬件清单

| 模块 | 建议型号 | 数量 | 说明 |

|---|---:|---:|---|

| 主控 | ESP32-S3 N16R8 开发板 | 1 | 建议 16MB Flash、8MB PSRAM |

| 麦克风 | INMP441 I2S 数字麦克风 | 1 | 3.3V 供电 |

| 功放 | MAX98357A I2S 功放 | 1 | 接 4Ω/3W 小喇叭 |

| 喇叭 | 4Ω/3W | 1 | 小体积优先 |

| 电机 | N20 减速电机 | 2 | 6V、100-300RPM |

| 电机驱动 | TB6612FNG | 1 | 小车电机控制 |

| 底盘 | 两轮小车底盘 + 万向轮 | 1 | 可 3D 打印或亚克力 |

| 防跌落 | 红外反射传感器 | 2 | 装在底部前沿左右两侧 |

| 前方避障 | VL53L0X ToF 或数字避障模块 | 1 | 新手可先用数字避障模块 |

| 状态屏 | 0.96 寸 I2C SSD1306 OLED | 1 | 默认 128x64，地址 0x3C |

| 状态灯 | WS2812/NeoPixel RGB LED | 1 | 1 颗即可 |

| 电池 | 18650 + 保护板/电池盒 | 1 套 | 必须有保护 |

| 电源 | 5V 升压模块 | 1 | 主控供电稳定优先 |

| 外壳 | 3D 打印 PLA/PETG | 1 套 | 使用项目内 STL |

默认接线

TB6612FNG 电机驱动

| TB6612FNG | ESP32-S3 默认 GPIO | 说明 |

|---|---:|---|

| PWMA | GPIO 4 | 左轮 PWM |

| AIN1 | GPIO 5 | 左轮方向 |

| AIN2 | GPIO 6 | 左轮方向 |

| PWMB | GPIO 7 | 右轮 PWM |

| BIN1 | GPIO 15 | 右轮方向 |

| BIN2 | GPIO 16 | 右轮方向 |

| STBY | GPIO 17 | 高电平启用 |

I2S 麦克风 INMP441

| INMP441 | ESP32-S3 默认 GPIO |

|---|---:|

| SCK/BCLK | GPIO 12 |

| WS/LRCL | GPIO 13 |

| SD | GPIO 14 |

I2S 功放 MAX98357A

| MAX98357A | ESP32-S3 默认 GPIO |

|---|---:|

| BCLK | GPIO 9 |

| LRC | GPIO 10 |

| DIN | GPIO 11 |

OLED 和 RGB LED

| 模块 | ESP32-S3 默认 GPIO |

|---|---:|

| OLED SDA | GPIO 41 |

| OLED SCL | GPIO 42 |

| WS2812 DIN | GPIO 2 |

传感器和按键

| 模块 | ESP32-S3 默认 GPIO |

|---|---:|

| 左防跌落红外 | GPIO 18 |

| 右防跌落红外 | GPIO 8 |

| 前方避障 | GPIO 3 |

| 说话按键 | GPIO 0 |

| 电池电压 ADC | GPIO 1 |

软件架构

ESP32-S3 端负责硬件和联网，AI 能力放到云端中转服务。

交互流程：

1. 按住说话键开始录音

2. 松开按键后生成 16kHz、16-bit、mono WAV

3. 上传 `/stt` 做语音识别

4. 如果识别结果是移动指令，直接执行动作

5. 如果是普通聊天，调用 `/chat`

6. 再调用 `/tts` 生成语音

7. ESP32-S3 通过 MAX98357A 播放回复

云端 API 约定：

```http

POST /stt

Content-Type: audio/wav

```

返回：

```json

{

"text": "往前走"

}

```

聊天接口：

```http

POST /chat

Content-Type: application/json

```

```json

{

"text": "你好",

"device": "esp32-desktop-robot"

}

```

返回：

```json

{

"reply": "你好，我在桌面上待命。"

}

```

TTS 接口：

```http

POST /tts

Content-Type: application/json

```

响应体建议直接返回 16kHz、16-bit、mono WAV。

固件配置

复制：

```text

firmware/desktop_voice_robot/config.example.h

```

为：

```text

firmware/desktop_voice_robot/config.h

```

然后修改 Wi-Fi 和云端接口：

```cpp

#define WIFI_SSID "你的WiFi名称"

#define WIFI_PASSWORD "你的WiFi密码"

#define AI_API_KEY ""

#define STT_URL "http://你的服务器:8080/stt"

#define CHAT_URL "http://你的服务器:8080/chat"

#define TTS_URL "http://你的服务器:8080/tts"

```

OLED 和 RGB LED 默认启用：

```cpp

#define USE_OLED_DISPLAY true

#define OLED_I2C_ADDRESS 0x3C

#define PIN_I2C_SDA 41

#define PIN_I2C_SCL 42

#define USE_RGB_LED true

#define PIN_RGB_LED 2

#define RGB_LED_COUNT 1

```

本地模拟云端服务

没有真实 AI 服务时，可以先用项目里的模拟服务测试 ESP32 到服务器的 HTTP 链路：

```powershell

python tools/mock_cloud_server.py --port 8080 --stt-text "前进"

```

然后把 ESP32 的接口地址改成电脑局域网 IP，例如：

```cpp

#define STT_URL "http://192.168.1.10:8080/stt"

#define CHAT_URL "http://192.168.1.10:8080/chat"

#define TTS_URL "http://192.168.1.10:8080/tts"

```

模拟服务说明：

• `/stt` 返回固定文字

• `/chat` 回显文本

• `/tts` 生成一段测试音 WAV

Arduino IDE 环境

1. 安装 Arduino IDE

2. Boards Manager 安装 `esp32 by Espressif Systems`

3. Library Manager 安装：

• `ArduinoJson`

• `Adafruit SSD1306`

• `Adafruit GFX Library`

• `Adafruit NeoPixel`

4. 打开：

```text

firmware/desktop_voice_robot/desktop_voice_robot.ino

```

5. 开发板选择 ESP32-S3，建议启用 PSRAM

6. 编译并上传

7. 串口监视器设置 `115200`

串口调试命令

| 命令 | 动作 |

|---|---|

| `f` | 前进 |

| `b` | 后退 |

| `l` | 左转 |

| `r` | 右转 |

| `x` | 转一圈 |

| `s` | 停止 |

| `v` | 查看电池电压 |

第一次测试必须架空车轮，确认电机方向正确后再放到桌面。

3D 打印文件

项目内包含两个模型文件：

```text

models/desktop_robot_shell.scad

models/desktop_robot_shell.stl

```

其中：

• `.scad` 是 OpenSCAD 参数化源文件，可以修改尺寸

• `.stl` 可以直接导入切片软件

推荐打印参数：

• 材料：PLA 或 PETG

• 层高：0.2mm

• 填充：15%-25%

• 支撑：建议开启

• 打印方向：底面朝下

测试清单

电机

• 架空车轮后上电

• 串口输入 `f`，两轮应同时向前

• 串口输入 `b`，两轮应同时向后

• 串口输入 `l` 和 `r`，机器人应原地转向

• 串口输入 `s`，电机立即停止

防跌落

• 用桌面靠近传感器，应显示安全

• 让传感器悬空，应显示危险

• 桌边测试至少 20 次，必须全部停止或后退

OLED 和 RGB LED

• 上电后 OLED 显示设备名和启动状态

• Wi-Fi 连接成功后 OLED 显示 `WiFi: OK`

• 按住说话键时 RGB LED 变红

• AI 思考时 RGB LED 变黄

• 播放回复时 RGB LED 变青

• 移动时 RGB LED 变蓝

AI 和动作

• 说"前进"，机器人前进一小段

• 说"停止"，机器人立即停止

• 说"左转""右转""后退""转一圈"，动作符合预期

• 普通聊天内容不应触发移动

注意事项

• ESP32-S3 不适合本地跑大模型，AI 对话建议走云端或局域网中转服务

• 电机电源和主控电源建议分开稳压，但 GND 必须相连

• 电池必须使用保护板

• 电机启动导致 ESP32 重启时，需要检查升压模块余量、电容和走线

• 第一次桌面测试必须有人看着，防止机器人冲出桌边

项目文件结构

```text

.

├── README.md

├── docs

│ ├── bom.md

│ ├── cloud-api.md

│ ├── test-checklist.md

│ ├── wiring.md

│ └── images

│ └── assembly_exploded_view.png

├── firmware

│ └── desktop_voice_robot

│ ├── config.example.h

│ └── desktop_voice_robot.ino

├── models

│ ├── README.md

│ ├── desktop_robot_shell.scad

│ └── desktop_robot_shell.stl

└── tools

└── mock_cloud_server.py

```

总结

这个版本适合作为桌面语音机器人第一版原型：先把移动、安全、音频、云端 AI、OLED/RGB 状态和 3D 打印外壳全部跑通。后续可以继续升级摄像头识别、唤醒词、本地语音前端、表情动画和更完整的云端记忆能力。