AI 활용

모두 AliExpress·Amazon 같은 온라인 쇼핑몰에서 살 수 있습니다. 가격은 2026년 10월 기준 대략의 범위이고 판매처·배송비·환율에 따라 달라집니다. 합계가 100달러보다 적으니 남는 돈으로 여분의 전선과 부품을 사 두면 좋습니다.

전원을 끈 채로 연결합니다. 마이크와 앰프 핀은 xiaozhi 펌웨어의 ESP32-S3-CAM 브레드보드 설정과 같아서 그대로 쓰면 됩니다. 카메라는 보드의 납작한 커넥터에 꽂기만 하면 됩니다. 모든 GND 는 하나로 묶습니다.

• 마이크 INMP441 I2S

  WS

  GPIO 1

  SCK

  GPIO 2

  SD

  GPIO 42

  VDD

  3V3

  L/R · GND

  GND

• 앰프 MAX98357A I2S

  DIN

  GPIO 39

  BCLK

  GPIO 40

  LRC

  GPIO 41

  VIN · SD

  5V

  GND

  GND

• 모터 드라이버 DRV8833 / TB6612FNG

  AIN1

  GPIO 21

  AIN2

  GPIO 47

  BIN1

  GPIO 14

  BIN2

  GPIO 38

  VM

  7.4V (18650 ×2)

  GND

  GND

• 전압 변환기 5V 3A buck converter

  IN

  7.4V (18650 ×2)

  OUT 5V

  ESP32-S3 5V · MAX98357A VIN

  GND

  GND

모터 핀은 화면(LCD)과 램프를 달지 않을 때 비는 핀 중에서 고른 예시입니다. 보드마다 다를 수 있으니 보드에 인쇄된 핀 이름을 꼭 확인하고, 부팅에 쓰는 GPIO 0·3·45·46 과 메모리가 쓰는 GPIO 35~37 은 피합니다. 펌웨어의 모터 핀도 같은 번호로 맞춥니다.

1. 부품 주문

   위 목록대로 주문합니다. 보드는 PSRAM 8MB(N16R8)가 든 ESP32-S3 카메라 보드를 고릅니다. 해외 배송은 오래 걸릴 수 있으니 여분의 전선도 함께 삽니다.

2. 몸체 조립

   2륜 키트 설명서대로 판에 모터·바퀴·보조 바퀴·배터리 케이스를 나사로 붙입니다. 보드·마이크·앰프는 브레드보드에 꽂아 판 위에 올립니다.

3. 배선

   위 핀 배치대로 전선을 잇습니다. 배터리 + 는 전원 스위치를 거쳐 모터 드라이버(VM)와 전압 변환기로, 변환기의 5V 는 보드와 앰프로 갑니다. 전원을 켜기 전에 + 와 − 가 바뀌지 않았는지 다시 봅니다.

4. 펌웨어 굽기

   오픈소스 음성 AI 펌웨어 xiaozhi-esp32 를 USB 로 보드에 굽습니다. 처음에는 Chrome 웹 플래셔로 미리 만든 파일을 굽는 것이 가장 쉽고, 직접 빌드하려면 ESP-IDF 에서 카메라가 있는 브레드보드 보드(bread-compact-wifi-s3cam)를 고릅니다.

5. Wi-Fi 와 두뇌 연결

   휴대폰으로 로봇이 만든 Xiaozhi- 로 시작하는 Wi-Fi 에 접속해 http://192.168.4.1 에서 집 Wi-Fi(2.4GHz)를 입력합니다. 로봇이 여섯 자리 번호를 말해 주면 xiaozhi.me 콘솔에 등록하고 이름·목소리·언어·AI 모델을 고릅니다.

6. 움직임 도구 만들기

   보드 폴더를 복사해 내 로봇 보드를 만들고, 바퀴를 돌리는 self.car.move 와 멈추는 self.car.stop 을 MCP 도구로 등록합니다(아래 코드). 이제 "앞으로 조금 가 봐"라고 말하면 AI 가 그 도구를 부릅니다.

7. 시험하기

   부르는 말을 하거나 보드의 단추를 눌러 대화를 시작합니다. "앞에 뭐가 보여?"라고 물으면 카메라 기본 도구(self.camera.take_photo)로 사진을 찍어 답합니다. 처음에는 바퀴를 바닥에서 띄운 채로 움직임을 시험합니다.

어느 방법이든 AI 의 API 키는 로봇에 넣지 않고 서버에만 둡니다. 로봇에는 기기 번호만 있습니다.

1. xiaozhi.me — 가장 쉬운 시작

   xiaozhi 의 공식 서버입니다. 기기 번호만 등록하면 바로 대화하고, 개인은 무료로 쓸 수 있습니다(조건은 바뀔 수 있습니다). 다만 중국에서 운영하는 서버라 목소리와 사진이 그곳으로 갑니다.

2. 내 서버 — 원하는 AI 를 골라서

   오픈소스 xiaozhi-esp32-server 를 Docker 로 내 서버에 띄우고 펌웨어의 서버 주소를 바꿉니다. 음성 인식·LLM(OpenAI·Gemini·DeepSeek·Ollama 등)·음성 합성·비전 모델을 직접 고르고, 목소리와 사진은 내 서버를 거칩니다.

3. 실시간 음성 AI — 가장 자연스러운 대화

   ElatoAI 처럼 OpenAI Realtime API 에 바로 잇는 방법입니다. 받아쓰기·생각·말하기를 모델 하나가 해서 대답이 빠르고 자연스럽지만(왕복 2초 아래), 대화하는 시간만큼 요금이 나갑니다.

xiaozhi 펌웨어는 로봇 몸 안에 MCP 서버가 있습니다. 아래처럼 도구의 이름·설명·받는 값을 등록하면 AI 가 대화 중에 그 설명을 읽고 알맞은 때에 도구를 부릅니다. Drive() 는 위 모터 핀 네 개를 켜고 끄는 짧은 함수이고, 정한 시간이 지나면 모터를 멈춥니다.

// main/boards/my-robot-car/ (copy of bread-compact-wifi-s3cam)
auto& mcp = McpServer::GetInstance();

mcp.AddTool("self.car.move",
    "Drive the robot car. direction: forward, backward, left, right. ms: 100-3000",
    PropertyList({
        Property("direction", kPropertyTypeString),
        Property("ms", kPropertyTypeInteger, 100, 3000),
    }),
    [this](const PropertyList& p) -> ReturnValue {
        Drive(p["direction"].value<std::string>(), p["ms"].value<int>());
        return true;   // Drive() stops the motors when the time is up
    });

mcp.AddTool("self.car.stop", "Stop the motors now", PropertyList(),
    [this](const PropertyList&) -> ReturnValue { Stop(); return true; });

1. 영상처럼 걷는 로봇

   참고 영상의 Sesame 로봇은 ESP32 보드와 MG90S 서보 8개, 표정을 보여 주는 작은 OLED 화면으로 네 발로 걷습니다(부품값 약 50~60달러, 3D 프린터와 납땜 필요). 마이크·카메라·AI 는 없으니 보드를 ESP32-S3 로 바꾸고 마이크·앰프를 더하면 같은 방법으로 두뇌를 붙일 수 있습니다.

   출처 참고 영상

2. Raspberry Pi Zero 2 W

   15달러짜리 리눅스 컴퓨터에 카메라와 같은 마이크·앰프를 달면 Python 으로 AI API 와 OpenCV 를 바로 씁니다(합계 약 60~95달러). 할 수 있는 일은 많지만 부팅이 느리고 전기를 더 씁니다.

3. 키트로 시작하기

   부품 고르기가 어렵다면 Keyestudio KS5028 처럼 ESP32-S3 카메라 보드와 마이크·스피커가 함께 든 xiaozhi 키트로 먼저 대화를 해 보고, 그다음 바퀴와 모터 드라이버를 더해도 됩니다.