Raspberry Pi 5とESP32-S3で作るオフラインAIスチームパンクヘルメット

Raspberry Pi 5は、会話するAI、サーボ駆動の眼球、LED照明、ライブ映像を同時に動かせるのか。しかもそれを人の頭に載せ、ネットワークにも一切つながずに。DeepSea Developmentsはできると言い、Mind-Control Helmet V2がその証拠だ。

このヘルメットにできること

このスチームパンクヘルメットはBurning Manのために作られ、「Mind Control」というWi-Fiホットスポットを備えている。接続した人は誰でもブラウザのコントロールパネルを開き、ヘルメットのカメラ映像を見たり、照明を調整したり、大きなアニメーション眼球を操作したり、オンボードスピーカーで話したり、内蔵AIアシスタントとチャットしたりできる。システム全体はオフラインで動く。携帯の電波が伝説でしかない砂漠では、これが決定的に重要だ。眼球はオープンソースの印刷可能なデザインを流用しているが、本当に面白いのはその裏側の電子設計だ。

ハードウェアの役割分担

この装置は2つの頭脳を使い、その分担こそが参考にすべきポイントだ。

Raspberry Pi 5 + AI HAT+：ホットスポット、Web UI、映像ストリーミング、そしてローカルで動く15億パラメータのQwen 2.5言語モデルをホストする。音声もデバイス上で完結する。OpenWakeWordがウェイクワードを監視し、音声認識ライブラリが音声をプロンプトに変換し、Piperが返答を読み上げる。
Seeed XIAO ESP32-S3：アドレサブルLEDストリップとリング、眼球サーボ（水平回転、俯仰、まばたき、まぶた）、そして手持ちのワイヤレスリモコンを駆動する。
Camera Module 3 NoIR：赤外線フィルターを外したモデルを選び、夜間イベントでの低照度映像を改善している。

なぜRaspberry PiのGPIOで直接サーボを動かさないのか。Linuxはリアルタイムシステムではないからだ。Raspberry PiがLLM推論と映像ストリーミングで忙しいとき、サーボパルスが揺れて眼球が痙攣する。タイミングに敏感な処理を240 MHzのESP32-S3に任せれば、眼球は滑らかなままで、Raspberry Piは重い処理に専念できる。よくある落とし穴が1つある。Raspberry Piは3.3 Vロジックだが、一般的なサーボは自前の5 V電源を必要とする。だからサーボには別系統の電源を用意してグラウンドを共通にし、ボード上のピンから給電しないこと。

もっと小さな予算で試す

いきなりヘルメット全体を作る必要はない。まずESP32-S3を1枚とSG90サーボを2つブレッドボードに挿し、最小限のシリアルプロトコル（例えば「E,90,45」で眼球の水平と俯仰を制御する）を書き、Raspberry PiかノートPCからUARTでコマンドを送る。動いたら、データピン1本でWS2812リングを接続し、Raspberry Pi上でウェイクワードモデルを動かす。2、3人のECEチームにとって、これで十分な卒業制作になる。完全な記録と写真はHacksterにある。

よくある質問

ネットワークなしで、このヘルメットはどうやってAIアシスタントを動かすのか。Raspberry Pi 5とAI HAT+で、15億パラメータのQwen 2.5モデルをローカルで動かす。ウェイクワード検出（OpenWakeWord）、音声認識、Piperによる音声合成はすべてRaspberry Pi上で動き、クラウド接続は不要だ。

なぜこの構成はRaspberry Pi以外にESP32-S3を追加するのか。

XIAO ESP32-S3は、サーボパルス、アドレサブルLED、ワイヤレスリモコンなど、タイミングに敏感な処理を担当する。Raspberry PiはLinuxを動かしておりリアルタイムシステムではない。これらの処理を切り出せば、眼球と照明は滑らかなままで、Raspberry PiはAI推論と映像配信に集中できる。

同じものを作ると何を学べるか。

Linuxマシンとマイクロコントローラの間でシステムを分割する方法、シンプルなシリアルコマンドプロトコルの書き方、サーボに独立した5 V電源を供給する方法、WS2812 LEDの駆動、そしてRaspberry Pi上でオフラインの音声・言語モデルを動かす方法を実践できる。

この記事はHacksterの報道に着想を得た。必要な部品とモジュールはCircuitrocksで購入できる。