きょうのかんぱぱ

Recent content on きょうのかんぱぱ

通知を受け取るには、ホーム画面に追加してから購読してください。

16bit磁気コアメモリ製作キットを動かしてみた

Xを眺めているとコアメモリ製作キットがBOOTHで販売されているとの情報がありました。早速BOOTHのサイトに行ってdydt製作所さんから購入しました。実際にコアメモリを編む体験ができて、しかもそれが動くことが確認できるという非常にディープなものでワクワクします。 dydt製作所貴重な磁気コアメモリが作れる！かわいい16bit磁気コアメモリ製作キット現在は予約注文になっているようです。到着したコアメモリ製作キット到着したコアメモリ製作キットです。しっかりとした梱包で、製作マニュアルも読みごたえがある内容でした。袋の中に見えるコアは非常に小さく、一般的な基板のランドの穴より小さいように見えます。予備が入っているとは言えこれは不注意で無くしてしまいそうです。落ち着いて製作するのが良さそうなので、次の連休に組み立てることにしました。縦横のアドレス線を編むピンセットとつまようじを用意して、製作マニュアルに従ってコアメモリを編んでいきます。0.2mmのUEW線で編むのですが、写真のようにコアの向きを互い違いにする必要があります。これがなかなか面倒です。つまようじを使いながらコアの向きを合わせていきます。なんとかすべてのアドレス線を編むことができました。縦横のアドレス線の位置の微調整を行い、ハンダ付けして固定しました。斜めのセンス線を編む次は基板を裏返して、斜めのセンス線を編んでいきます。斜め方向に0.1mmのUEW線でコアを通していきます。これがなかなか通らない。特に3個のところは最後の1個がなかなか通りません。これはコアを少し押し上げながらなんとか隙間を作って通しました。斜め方向のセンス線もすべて取り付けました。コアメモリボードが完成完成したコアメモリユニットです。製作時間は90分ぐらいでしょうか。非常に良い経験になりました。コアメモリ読み書き基板を組み立てる次はコアメモリ読み書き基板を組み立てます。先ほどのコアメモリに比べればこちらの基板は一般的な基板でしたのでサクサク組み立てることができました。動作確認目視確認で問題は無さそうでしたので、9V電源アダプタを接続して電源を投入しました。マニュアルに書かれている操作方法の通りに操作し、A列の1行目に1を書き込むとLEDが一瞬点灯しました。もう一度書き込むとLEDは点灯しません。マニュアル通りの動作です。その後、ReadモードにしてReadボタンを押したところ、AのLEDが点灯しました。行、列のスライドスイッチを変えていきながら、Write1/Write0を適当に選んで書き込んだあとに、Readしていくと書き込んだ内容が読み出せました。確かに16bitメモリになっています。まとめ使用されているパーツは一般的なものが多いですが、なかなか使う機会がない多段スライドスイッチや使用されているオペアンプが特殊なもので、この内容でこの価格で頒布しているのはすごいなと感じました。今回このような素晴らしいキットを頒布していただいたdydt製作所にお礼を申し上げます。ありがとうございました。追記実は私もジャンクで入手したコアメモリ基板を持っています。コアの部分を拡大すると綺麗な配線が見えます。どうやってこのように編んでいったのか興味がわきます。これを実際に動かせるかどうかはわかりませんが、何等かの方法で試してみたいと思います。

2026/10/12 08:112週間ぶり

Arduino Uno QでAIロボットカーを作ってみた #1

前回はArduino Uno Qにメディアキャリアボードを取り付けて、接続したMIPIカメラでの物体認識を行いました。これまでArduino Uno Qで試してきたものを統合してAIロボットカーを製作してみます。これまでの振り返りです。 Arduino Uno Qを触ってみました Arduino Uno QでLチカの状態をブラウザにリアルタイム表示する Arduino Uno Qでモーションセンサーを使ってみた Arduino Uno Q メディアキャリアボードでカメラを接続する要件定義ゼロから組み立てるよりはArduino App Labのインスピレーションのプロジェクトを流用することを考えます。先日まで実験していたESP32S3 Senseの物体認識でロボットカーを動かすものと同様なものを製作してみます。 AIロボットカーの要件は以下の通りです。何らかの物体を認識したら前進する。物体を認識できていない場合は停止する。最初はシンプルな機能にして、徐々に機能を拡張していきます。開発方針ベースとなるプロジェクトはメディアキャリアボードの時に動かしてみたDetect Objects on Cameraが良さそうです。このプロジェクトはカメラ画像からの物体認識とWebUIによるモニタリングや制御ができます。このプロジェクトはLinux側(Python)だけで動作しており、MCU側は使用していないためスケッチはありません。このため次のように進めてみます。ベースとなるDetect Objects on Cameraを動かす。 MCU側のスケッチを作成し、モータードライバを制御できるようにする。 Brigde機能で、Linux側のPythonスクリプトからMCU側のスケッチに物体認識結果を送信する MCU側のスケッチで物体認識結果に合わせてモーターを制御する。 PythonからMCU側への通信はこれまで試してきた内容から、Bridgeを使えば良いはずです。要件も前進と停止だけですので、MCUに渡す情報は0か1かの世界です。 MCU側のスケッチの作成 ESP32S3 Senseで実験しているロボットカーを流用しますので、モータードライバは秋月電子のDRV8835モジュールを使用します。PWM制御で回転数を制御しますので、PWMが使用できるArduino Uno Qの端子を使用します。今回は以下の表のように設定しました。 DRV8835ピン接続先説明 VM 単3電池 (+) モーター電源（約3V） AOUT1 モーターA(+) 左輪モーター AOUT2 モーターA(-) 左輪モーター BOUT1 モーターB(+) 右輪モーター BOUT2 モーターB(-) 右輪モーター GND 単3電池 (-) ＆ Uno Q GND 共通グラウンド（必ず共通接続） VCC Uno Q 3.3V ロジック電源 MODE GND IN/INモード（常時GNDに接続） AIN1 Uno Q D3 (PWM) 左モーター前進 AIN2 Uno Q D9 (PWM) 左モーター後退 BIN1 Uno Q D10 (PWM) 右モーター前進 BIN2 Uno Q D11 (PWM) 右モーター後退ここではモーターの配線は行なわず、スタンドアロンテストとしてモータードライバをLEDに見立ててテストを進めます。 MCUに接続されているRGB LEDは２個ありますので、LED3をモーターA、LED4をモーターBとし、モータードライバの入力ピンのIN1がHIGHは赤、IN2がHIGHは青、両方ともLOWの場合は消灯となるスケッチを作成します。 Arduino App Labで以下のsketch.inoを作成しました。 /* * Uno Q Robot Car -- MCUスケッチ */ // DRV8835 ピン設定 const int MOTOR_L_IN1 = 3; // D3 (PWM) const int MOTOR_L_IN2 = 9; // D9 (PWM) const int MOTOR_R_IN1 = 10; // D10 (PWM) const int MOTOR_R_IN2 = 11; // D11 (PWM) const int DRIVE_SPEED = 200; // 前進（LED点灯: 赤） void moveForward() { analogWrite(MOTOR_L_IN1, DRIVE_SPEED); analogWrite(MOTOR_L_IN2, 0); analogWrite(MOTOR_R_IN1, DRIVE_SPEED); analogWrite(MOTOR_R_IN2, 0); // アクティブLOW（LOWで点灯） digitalWrite(LED3_R, LOW); digitalWrite(LED3_B, HIGH); digitalWrite(LED4_R, LOW); digitalWrite(LED4_B, HIGH); } // 停止（LED消灯） void stopMotors() { analogWrite(MOTOR_L_IN1, 0); analogWrite(MOTOR_L_IN2, 0); analogWrite(MOTOR_R_IN1, 0); analogWrite(MOTOR_R_IN2, 0); digitalWrite(LED3_R, HIGH); digitalWrite(LED3_B, HIGH); digitalWrite(LED4_R, HIGH); digitalWrite(LED4_B, HIGH); } void setup() { pinMode(MOTOR_L_IN1, OUTPUT); pinMode(MOTOR_L_IN2, OUTPUT); pinMode(MOTOR_R_IN1, OUTPUT); pinMode(MOTOR_R_IN2, OUTPUT); pinMode(LED3_R, OUTPUT); pinMode(LED3_B, OUTPUT); pinMode(LED4_R, OUTPUT); pinMode(LED4_B, OUTPUT); stopMotors(); } void loop() { startMotors(); delay(500); stopMotors(); 　delay(500); } スケッチを作成したらArduino App LabでRUNを実行します。物体認識はそのまま動作しつつ、LEDが指示した通りに点滅し続けます。デュアルプロセッサであることがよくわかる動きです。 Pythonとスケッチを連携するここでBridgeを使用してPythonとスケッチを連携します。物体を認識したらMCU側のLEDが光るようにします。 Python側は以下のように追記しました。（主要な部分のみを記載） def update_motor(should_move: int): global current_state new_state = 1 if should_move > 0 else 0 if new_state != current_state: current_state = new_state try: bridge.call("motor_state", new_state, timeout=5) except Exception as e: print(f"Bridge call error: {e}") def send_detections_to_ui(detections: dict): global last_detection_time total_detected = sum(len(items) for items in detections.values()) if total_detected > 0: last_detection_time = time.time() update_motor(1) スケッチ側は以下のように追記しました。（主要な部分のみを記載） String rpc_motor_state(int state) { if (state > 0) { moveForward(); } else { stopMotors(); } return "{\"ok\":true}"; } // Bridge 通信の開始とRPC登録 Bridge.begin(); Bridge.provide("motor_state", rpc_motor_state); 再度App LabでRUNを行い、新しいプログラムを書き込みます。無事に動作することが確認できました。物体が認識できないときに停止するただし、ここで問題がありました。物体を認識していないときもLEDが点灯したままになってしまいます。認識した場合は通知が来ますが、認識できなくなったときは通知はありません。このためウオッチドッグタイマーを設定して0.5秒間隔で認識できているかどうかをチェックするように改良しました。今回はpythonで行っています。 # 0.5秒間検知が途切れたら停止と判定 TIMEOUT_SEC = 0.5 def watchdog_loop(): global last_detection_time, current_state while True: if current_state == 1 and (time.time() - last_detection_time > TIMEOUT_SEC): update_motor(0) time.sleep(0.05) この修正で物体を認識しているときだけLEDが光るようになりました。モータードライバを接続するスタンドアロンでテストが完了しましたので、ロボットカーの筐体にArduino Uno Qやカメラを組み込みます。モータードライバもArduino Uno Qに接続します。ロボットカーの動作確認ロボットカーの動作確認を行います。いきなり暴走する可能性もありますので、車輪が宙に浮く状態にしてモーター電源を投入します。物体認識を行うとLEDが点灯し、モーターが回転しました。これで要件通り物体が認識したら前進し、認識できない場合は停止するロボットカーができました。まとめ今回は非常にシンプルな機能に限定していますが、WebUIにリアルタイムで表示されているような物体の種類や、位置といった情報もPython側では取得できています。次回はこれらをMCU側に連携して少し高度な動きを試してみます。 Bridgeで複数の情報を引き渡すにはJSON文字列にして送信すればよいことはこれまでの実験からもわかっているので、難しくはなさそうです。あとはアイデア次第です。 Arduino App Labを使うとLinux側とMCU側の連携も容易で再利用可能なパーツであるBrickも揃っています。インスピレーションにある豊富な事例を参考にして独自のものも作成しやすいはずです。また、Arduino Uno Qは小型で機器に組み込みやすく、ヒートシンクも今のところは不要そうですし、消費電流もそんなに大きくないため、電源周りも楽だと思います。ひとつ残念な点はメディアキャリアボードにネジ穴が無いことです。そのため今回のロボットカーではネジでの固定ができていません。キャリアボードの下にコネクタだけのボードを接続してネジ止めができるようにすると良いかもしれません。なお、本プロジェクトのソースコードはGitHubに置いてありますので参考にしてください。

2026/09/23 07:362日ぶり

Arduino Uno Q メディアキャリアボードでカメラを接続する

はじめに前回はArduino Uno Qに接続した慣性センサデバイスのデータをMCUで取得し、WebUIで慣性センサの3Dデータをリアルタイムに表示しました。次のステップとしてカメラを接続してAI認識を行ってみます。 Arduino Uno QにPD電源対応のUSBハブを接続し、USBカメラを接続する方法もあり、こちらは手軽に試すことができますが、設備が大掛かりになってしまい、構想している小型ロボットを制御することには向いていません。 Raspberry Piではカメラやディスプレイを接続できるコネクタが装備されていますが、Arduino Uno Qではそのような用途のためにメディアキャリアボードが用意されています。今回はこれを使用してみることにしました。メディアキャリアボードの概要購入したメディアキャリアボードです。写真のようにMIPI-CSIカメラが2台、組み込み用ディスプレイが1台、スピーカー、マイク、イヤホンが接続できます。他にもカラーLEDが4個搭載されていてシステムの状態を知らせることもできます。 Arduino Uno Qとは2つの小型コネクタで接続し重ね合わせる構造です。 Arduino Uno Qのメスコネクタにメディアキャリアボードのオスコネクタを差し込んで重ねて使用します。ピン間隔も狭くピン数も多いので取り付けの際は十分注意してください。カメラの取り付け Arduino Uno Qのカメラ用CSIコネクタは22ピンでRaspberry Pi 5やZeroと同じ仕様です。手元にあるカメラは15ピンタイプなので、15ピン-22ピンの変換FPCケーブルを使用して接続します。最初に3rdParty製のカメラArduCam B0390を接続したところ認識してくれませんでした。3rdParty製なので何等かの追加設定が必要かもしれないので、他の用途で使用していた純正品のRaspberry Pi カメラモジュール V2やRaspberry Pi カメラモジュール V1も接続してみましたが、なぜかこれらも認識できませんでした。カメラを認識しない原因どうしてもカメラを認識しないのでカメラの動作確認用にRaspberry Pi 4を引っ張り出してきました。Raspberry Pi ImagerでmicroSDに最新のRaspberry Pi OSを書き込んでカメラを接続しました。3rdParty製のカメラなので少しconfigファイルの設定が必要ですが、問題なく動作しました。もちろん、Raspberry Pi カメラモジュール V2とV1も正常に動作しました。同じようにRaspberry Pi 5でも確認し、15ピン-22ピンのFPCケーブルにも問題がないことを確認しました。そういえば昔のRaspberry Pi OSではカメラを接続するときに、設定する画面があったなと思いだし、もしかしてUno Qでも同じような設定がないかと、ボードの設定画面をみてみました。すると、Enable external carriers connected to your Arduino UNO Qという設定を見つけました。ここにキャリアボードを有効化するかのスイッチがありました。早速スイッチをONにしようとしたところ、次の画面が表示されました。 OSが古いので使えないとのことです。早速最新のOSに更新しましょう。 Uno QのOSアップデート現在のOSバージョンを確認したところ20251210-442でした。この画面のFlash boardのボタンをクリックしたところ、最新のOSバージョン20260528-558が表示されました。 Latestバージョンに書き換えるために指示通りにアップデートを進めます。ダウンロードが終わると次の画面が表示され、一度電源を切ってジャンパーを接続せよとのことです。指示通りにジャンパーを接続して、再度USB-Cに接続しました。 Arduino Uno QのLEDマトリクスにはUSBのようなマークが表示され、書き込みモードになってはいるようです。しかし、Waiting for the board...のまま画面上は何も変化が無く先に進んでいないように見えます。しかし、正常に書き込み中の可能性もあるので、しばらくこのまま見守ります。これまでの作業はUbuntu版のArduino App Labで行っていますが、Windows版で行うべきだったかと不安になってきました。 Windows版でOSアップデートやはりアップデートが進んでいないようなので、Arduino App LabをUbuntu版からWindows版に変更して再度OSアップデートを行ったところ、Flashの書き込みが始まりました。次々とファームウェアが書き込まれて完了しました。引き続きソフトウェアアップデートも行われこちらも無事完了しました。 OSのビルド番号を確認したところ、Latestのバージョンに書き換わっています。キャリアボードの有効化設定これでキャリアボードの有効化設定ができるはずです。設定画面からスイッチをONにしてみました。何を接続しているかの選択画面になりましたので、今回はカメラ0を設定しました。 AI物体認識の実験これでカメラが使えるようになりました。Arduino App Labのインスピレーションにあるサンプルプログラム Detect Objects on Camera を動かしてみます。無事にカメラの画像が表示され、物体認識までできています。結構素早く認識ができているように思われます。最終的な動作確認結果は以下のようになります。 Detect Objects on Cameraでの各カメラの動作確認結果カメラセンサレーン動作確認結果 Camera Module V2 IMX219 / 8MP CSI-2 2-lane 〇 Arducam B0390 IMX219 / 8MP CSI-2 2-lane 〇 Camera Module V1 OV5647 / 5MP CSI-2 2-lane × IMX219を使用したCamera Module V2とArducam B0390では問題なく動作しましたが、少し旧型のCamera Module v1では動作しませんでした。手持ちのカメラでは4レーンに対応したものは無いため、Camera Module v3等での動作確認はできていません。まとめ最近はローカルLLMを使っていることもあり、大部分の作業をGPU搭載のUbuntuデスクトップで行っています。今回のトラブルの原因はArduino Uno QのOSが古くメディアキャリアボードに対応していなかったためですが、Arduino Uno Qの購入時からUbuntu版のArduino App Labを使用していたので、本来であれば最初に起動したとき自動更新されるべきものが更新できていなかったのではと考えられます。これまでもそうでしたが、ファームウェアのアップデートなどハードウェアに強く依存した処理についてはWindows版で行うのが良さそうです。

2026/09/20 21:281日ぶり

Arduino UNO Qでモーションセンサーを使ってみた

はじめに前回、Arduino App LabのBrickを使ってLEDの点灯状態をブラウザにリアルタイム表示する実験を行いました。今回は手持ちの6軸慣性センサー MPU6050（GY-521モジュール）をUNO Qに接続し、姿勢角をWebUI上にリアルタイム表示することに挑戦してみます。全体の処理分担と構成方針は以下のようにシンプルにしました。 MCU側（sketch）：MPU6050から生データを読み取り、姿勢角（roll / pitch / yaw）まで計算する Python側（Linux側）：Bridge経由でその計算結果を受け取り、WebUI（Socket.IO）へ配信する 100Hz程度の等間隔サンプリングが必須となる積分処理を、Linux側のスケジューラによる揺れから切り離したかったのが主な理由です。ハードウェア構成 GY-521モジュール（MPU6050搭載）をUNO Qに接続します。 MPU6050 UNO Q 備考 VCC 3V3 UNO QのGPIOは5Vトレラントではないため3.3Vを供給 GND GND SDA A4 (SDA) ※実はD20が正解（詳細は後述） SCL A5 (SCL) ※実はD21が正解（詳細は後述） AD0 GND または未接続未接続でも内部プルダウンによりI2Cアドレスは 0x68 MPU6050の設定パラメータは、DLPF 44Hz、±250dps、±2g といった標準的な値にしています。加速度センサから算出した絶対角と、ジャイロセンサの積分値を相補フィルタ（α=0.98）でブレンドして roll / pitch を求めました。なお、yawに関しては地磁気センサがないためジャイロ積分のみ（ドリフトを含む相対値）としています。 MPU6050のスケッチライブラリの追加スケッチを書く前にArduinoのMPU6050のライブラリをインストールします。すでに有名なセンサーであれば便利なライブラリが揃っており、Arduino App Labでも利用できます。 Arduino App LabのAdd Sketch Libraryのアイコンをクリックするとライブラリのリストが表示されます。今回はAdafruit MPU6050を使用しました。ライブラリが追加されるとSketch Librariesに表示されます。 I2Cが繋がらない配線を済ませてsketchを書き込み、生値を読んでみたところLOGでは加速度もジャイロもすべて0しか返ってきていません。 [4:57:08 PM] WHO_AM_I=0xFF acc=(0.0, 0.0, 0.0) gyr=(0.0, 0.0, 0.0) [4:57:06 PM] WHO_AM_I=0xFF acc=(0.0, 0.0, 0.0) gyr=(0.0, 0.0, 0.0) [4:57:03 PM] WHO_AM_I=0xFF acc=(0.0, 0.0, 0.0) gyr=(0.0, 0.0, 0.0) ここから原因究明のための切り分け作業を行いました。 GY-521モジュールの電源LEDは点灯している → 電源供給は正常テスターによるI2Cラインの導通確認 → 配線・接触自体には問題なし Uno Qのピンアウトを見直したところ、D20/D21に別のI2Cポート(I2C2)の記載があったため、配線をD20/D21コネクタ側へ差し替えたところ、無事にセンサーの値が返ってきました。 [5:01:16 PM] WHO_AM_I=0x68 acc=(0.213, -0.409, 9.977) gyr=(-2.908, 0.802, -0.191) [5:01:10 PM] WHO_AM_I=0x68 acc=(0.186, -0.427, 9.972) gyr=(-3.0, 0.779, -0.145) [5:01:05 PM] キャリブレーション完了 (bias gx=-2.78 gy=0.748 gz=-0.17 deg/s) [5:01:04 PM] キャリブレーション開始… 基板を静止させてください [5:01:01 PM] 接続しました。UNO Q を静止させてからキャリブレーションしてください。 UNO QではA4/A5(I2C3)とD20/D21(I2C2)とQwiic(I2C4)はそれぞれ独立したI2Cインターフェースです。I2Cが認識されないときは、従来のArduino感覚でA4/A5を使うのではなく、もう一つのSDA/SCL（数字の付いていないピン）に接続して確認してみてください。 Bridge APIの設計 MCUとPython（Linux）間の通信は、メソッド名やデータ型を厳密に固定して設計しました。ここが1文字でも異なると、例外エラーも出ずに無言で通信が失敗してしまうため注意が必要です。 MCU → Python（push）メソッド名引数説明 imu_data roll, pitch, yaw, temp (float×4) 20Hz周期で姿勢角と温度をpush Python → MCU（call）メソッド名引数戻り値 imu_calibrate samples: int JSON文字列でバイアス値を返却 imu_reset_yaw dummy: int JSON文字列 {"ok":true} imu_read_raw dummy: int JSON文字列で生値を返却戻り値をJSON文字列にまとめているのは、App LabのBridge内部で使われているmsgpack-RPCの仕様上、戻り値として単一の値しか返せない制約があるためです。 WebUI表示 WebUI-HTML Brickを使用し、Socket.IO経由で10Hz程度に間引いてブラウザへbroadcast配信しました。画面上にroll/pitch/yawの数値をバー表示するだけでなく、渡すデータがすべて明確な数値型や真偽値になるよう徹底しています（前回のBlink実験で「文字列と真偽値の型不一致」にハマった反省を活かしました）。 CSSだけで3D表示 Three.jsなどのリッチな外部ライブラリは使わず、CSSの perspective と rotateX/Y/Z だけで「板が傾く」簡易3D表示を実装してみました。 CSS部分は以下のようになります。 .scene3d { perspective: 700px; } .board3d { transform-style: preserve-3d; transition: transform 0.08s linear; } JS部分は以下のようになります。 board.style.transform = `rotateZ(${d.roll}deg) rotateX(${-d.pitch}deg) rotateY(${d.yaw}deg)`; これだけのコードですが、MPU6050モジュールを手で傾けると、WebUI画面内の板が連動してリアルタイムに同じ方向へ傾いてくれます。CSSの3Dトランスフォームだけでここまで手軽に視覚化できるのは、嬉しい発見でした。まとめ MPU6050（GY-521）自体のI2C制御や相補フィルタ計算は定番の手法で問題なく動作し、Arduino IDEでおなじみのライブラリもスケッチで利用できました。今回最大のハードルは、UNO QのI2Cピン配置が従来のArduinoシールド配置（A4/A5）とは異なっていたことでした。 Bridge経由でPython側にデバック情報を中継し、WebUIに表示することで、デバッグをスムーズに行うことができました。 Bridge APIを定義する際は、メソッド名と型をあらかじめ仕様書として固めておくことで手戻りを防げます。 CSSの3Dトランスフォームで、センサデータの表示を立体的に表現できました。今回のスケッチおよびPythonスクリプト一式は、GitHubリポジトリに公開しています。

2026/09/19 09:435日ぶり

Arduino Uno QでLチカの状態をブラウザにリアルタイム表示する

はじめにせっかくArduino Uno Qを購入したのですから、Arduino App Labを使って、Arduino Uno Qのデュアルコア・プロセッサを連携した使い方を試してみます。今回とりあげるサンプルプログラムは、Arduino App LabのInspirationsに用意されている「Blink LED from Python」です。このサンプルを選んだ理由は大きく2つあります。 Arduino Uno QのSoC（Linux/Python側）とMCU（スケッチ側）が、Bridgeを介してどのように連携しているのかを確認したかった Brickの使い方を体験するために、シンプルなプログラムにBrickを追加してみたかった Arduino App LabやBricksの詳細な説明はここでは割愛しますが、簡単に言うと「Arduinoのスケッチ（MCU側）とPython（SoC側）を組み合わせてアプリを作れる開発環境」で、Bricksはその中でよく使う機能（Web UI表示、AI推論など）をパーツ化したものです。 Blink LED from Pythonを動かす「Blink LED from Python」は最小構成のサンプルでファイルは2つだけです。Brickは使用していません。 sketch/sketch.ino python/main.py App Labでこのサンプルをそのまま実行すると、1秒間隔でArduino Uno QのRGB LED 3が赤く点滅します。まずはこれを動かして、期待通りLEDが点滅することを確認しました。ソースの構造を理解する次はソースを読んで、SoC↔MCU間の連携がどう行われているのかを追いました。 sketch.ino（MCU側） #include "Arduino_RouterBridge.h" void setup() { pinMode(LED_BUILTIN, OUTPUT); Bridge.begin(); Bridge.provide("set_led_state", set_led_state); } void loop() { } void set_led_state(bool state) { // LOW state means LED is ON digitalWrite(LED_BUILTIN, state ? LOW : HIGH); } Bridge.provide()でset_led_stateという関数をSoC側から呼び出せるように公開しているだけで、loop()自体は空です。つまりMCU側は「言われた通りにLEDを光らせる／消す」だけの役割に徹しています。 main.py（SoC/Python側） from arduino.app_utils import * import time led_state = False def loop(): global led_state time.sleep(1) led_state = not led_state Bridge.call("set_led_state", led_state) App.run(user_loop=loop) タイミング制御（1秒ごとのトグル）はPython側が持っていて、Bridge.call()でMCU側のset_led_state関数を呼び出しています。「SoC側がロジックを持ち、MCU側は末端のI/Oだけを担当する」という役割分担がはっきり見える良いサンプルです。 LEDの状態表示を追加してみるこのサンプルプログラムに修正を加えて、現在LEDが点灯しているのか、消灯しているのかを把握できるようにしてみました。サンプルプログラムを修正する場合は、右上のRunの右隣にあるCopy and edit appボタンを押してあらかじめコピーしておく必要があります。 Pythonの標準出力を使ってみる Pythonでprint関数を追加してみます。修正したプログラムです。 main.py（標準出力を追加） from arduino.app_utils import * import time led_state = False def loop(): global led_state time.sleep(1) led_state = not led_state Bridge.call("set_led_state", led_state) # led_stateの状態をコンソールに表示するように追加 if led_state: print("LED is ON") else: print("LED is OFF") App.run(user_loop=loop) これを実行すると、LEDの状態がArduino App LabのPythonコンソールに表示されます。このように簡単なデバッグに活用できそうです。 WebUI - HTML Brickを追加してみるここでBrickを追加してみましょう。ブラウザでもLEDの状態をリアルタイム表示してみます。この機能を簡単に実装するためにWebUI - HTML Brickを追加します。 App Labのエディタ左サイドバーの「Add Brick」から「WebUI - HTML」を選択すると、assets/ディレクトリの中に、index.htmlやapp.jsの雛形が生成されます。 index.html（雛形） Copy of Blink LED from Python 1 app.js（雛形） // Initialize UI const ui = new WebUI(); ui.on_connect(onUIConnected); // Called when the websocket connection is established. function onUIConnected() { // Write your logic here } これでポート7000でHTTPサーバーとSocket.IOのWebSocketサーバーが自動的に立ち上がり、次のURLでアクセスできるようになります。 http://:7000 今回は雛形のファイルを次のように修正しました。 index.html（雛形の修正後） Copy of Blink LED from Python LED State -- main.py（WebUI追加後） from arduino.app_utils import * from arduino.app_bricks.web_ui import WebUI import time web_ui = WebUI() led_state = False def loop(): global led_state time.sleep(1) led_state = not led_state Bridge.call("set_led_state", led_state) # led_stateの状態をコンソールに表示するように追加 if led_state: print("LED is ON") # WebUIにLEDの状態を送信するように追加 web_ui.send_message("led", {"state": "ON"}) else: print("LED is OFF") # WebUIにLEDの状態を送信するように追加 web_ui.send_message("led", {"state": "OFF"}) App.run(user_loop=loop) app.js（雛形の修正後） // LEDの状態を表示する要素を取得 const statusEl = document.getElementById("status"); // Initialize UI const ui = new WebUI(); ui.on_connect(onUIConnected); function onUIConnected() { // Write your logic here ui.on_message("led_status", (data) => { // LEDの状態を表示する（要素の文字列と色を変更） statusEl.textContent = data.state ? "ON" : "OFF"; statusEl.style.color = data.state ? "red" : "gray"; }); } WebUIクラスのon_connect()でWebSocket接続確立時の処理を登録し、on_message()でPython側から配信されるイベントを購読する、という構造です。つまずいたポイントこの状態で実行したところ、ブラウザの表示が更新されませんでした。原因を切り分けたところ、2つの問題がありました。原因1：イベント名の不一致 Python側：web_ui.send_message("led", {...}) → イベント名は"led" JS側：ui.on_message("led_status", ...) → "led_status"を購読送信側と受信側でイベント名が違っていたため、ブラウザには何も届いていませんでした。原因2：状態値の型（文字列 vs 真偽値） Python側は{"state": "ON"} / {"state": "OFF"}という文字列を送っていましたが、JS側は data.state ? "ON" : "OFF" という真偽値判定をしていました。JavaScriptでは空文字列以外の文字列は常にtruthyなので、"OFF"という文字列が入っていても真扱いになり、正しく届いていたとしても常に「ON」と表示されてしまう不具合でした。修正と検証イベント名を一致させて、状態は真偽値（True/False）でやり取りするように修正しました。 main.py（修正後） from arduino.app_utils import * from arduino.app_bricks.web_ui import WebUI import time web_ui = WebUI() led_state = False def loop(): global led_state time.sleep(1) led_state = not led_state Bridge.call("set_led_state", led_state) # led_stateの状態をコンソールに表示するように追加 if led_state: print("LED is ON") else: print("LED is OFF") # WebUIにLEDの状態を送信するように追加 web_ui.send_message("led_status", {"state": led_state}) App.run(user_loop=loop) app.js（修正変更なし） const statusEl = document.getElementById("status"); const ui = new WebUI(); ui.on_connect(onUIConnected); function onUIConnected() { ui.on_message("led_status", (data) => { statusEl.textContent = data.state ? "ON" : "OFF"; statusEl.style.color = data.state ? "red" : "gray"; }); } 動作確認上記の修正後、ブラウザ側の表示がLEDの点滅に合わせてON/OFFと切り替わるようになりました。デバッグの際は、ブラウザの開発者ツール（F12）のネットワークタブのSocketフィルタでSocket.IOのフレームを直接確認するのが有効でした。まとめ SoC↔MCU間の連携は、MCU側がI/Oの操作に徹し、SoC（Python）側がロジックとタイミングを持つ、という役割分担がされていました。 WebUI Brickを追加することで、Socket.IOサーバーの構築やHTTP配信といった面倒な部分を意識せずに、最小限のコーディングでブラウザへのリアルタイム表示が実現できました。一方で、Python側とJS側は別々の言語・別々のファイルなので、イベント名やデータ型を一致させる必要があるという注意点もわかりました。今回はPython側からWebUIへLEDの状態をPushして表示しましたが、WebUI側のボタン操作イベントをPython/MCU側で受け取る双方向通信を行えば、ブラウザからLEDをON/OFFするスイッチも簡単に作れそうです。実際にArduino App LabのInspirationsには似たようなサンプルも掲載されています。Inspirationsにある様々なサンプルを組み合わせることでArduino Uno Qの無限の可能性を開くことができるでしょう。

2026/09/13 18:291日ぶり

Arduino Uno Qを触ってみました

はじめに前々から気になっていたArduino Uno Qですが、今度最大40 TOPSの推論性能を持つArduino VENTUNO Qというものが発売されるようで、そろそろArduino Uno Qも触っておいたほうがいいかなとArduino Uno Q 4GBを購入してみました。 Arduino Uno QはLinuxが動くSoCとSTM32マイコンが連携しながら動かせるもので、NPUも搭載しある程度のLLMも動かせそうです。今後はこのようなマイコン（リアルタイム制御）＋小型Linux SBC（エッジAI/ネットワーク）の組み合わせが主流になるものと思われます。外観おなじみのArduinoフォームファクタですので小さく感じます。表面はこれまでのArduinoと見た目は変わりませんが、裏面をみると2つのコネクタがあります。ピン数が多くここから様々な機能拡張ができそうです。電源投入 Arduino Uno QにはUSB-Cコネクタがありますので、ここからPCに接続して電源を供給します。電源を投入するとマトリクスLEDにArduinoのロゴがアニメーションで表示され、その後ハートのマークになりました。この動画の右上にある4個のRGB LEDがQRB SoCやSTMマイコンの動作状態を示しているようです。 Arduino App Lab Arduino Uno Qの標準の開発環境であるArduino App Labをインストールしました。起動すると対応ボードの接続を要求されます。この状態でArduino Uno QをUSBに接続すると自動認識されますので、ボードに名前を付けます。ここではkanpapaとしました。次にWiFiに接続するように案内され、接続すると自動的にソフトウェアアップデートが動きます。アップデートが終わるとArduino App Labの初期画面が表示されました。サンプルプログラムはinspirationsにあるようなので眺めてみます。この中ですぐ試せそうなEdge AI Assistantを実行してみました。UIはブラウザになります。それなりに回答できているようですが、よく見るとUno Qではなく一般的なUnoの情報が表示されているように見えます。これはエッジAIのローカルLLMなのでやむを得ないでしょう。 Arduino IDE 2.0 MCUだけ使うプログラムであればArduino IDE 2.0も使用できます。サンプルのBlink.inoを動かしたところ、ボード上のRGB LED 3が赤く点滅をはじめました。もちろん、こうしたLチカ程度の単体動作だけであれば従来のArduino Unoで事足りますが、従来の開発環境もそのまま使えるのは安心感があります。まとめ Arduino App Labは非常にパワフルで直感的な可能性を感じる一方、これまでのArduino IDEとは全く異なるものですので、公式ドキュメントを読みながら手探りで試している段階です。今後、日本語を含むローカライズにも期待したいところです。最近、Arduino Uno Q メディアキャリアボードというものが発売されたようです。これを使えばカメラやディスプレイ、オーディオなどが直接接続できるので、次はメディアキャリアボードを取り付けてAIによる画像認識や音声認識やQualcomm SoCとSTM32間の通信連携などを試してみます。

2026/09/12 07:261週間ぶり

ESP32ロボットカーをAIで動かす #1（おおたfab電子工作初心者勉強会第47回）

おおたfabさんでは電子工作初心者勉強会を定期的に開催しています。前回はSeeedStudioのXIAO ESP32S3 SenseとSenseCraft AIで物体認識ができることを確認しました。今回はこの仕組みを用いて、実際に走るロボットカーに応用してみます。ロボットカーの基本構成これまで電子工作初心者勉強会で製作してきたESP32ロボットカーの基本構成と電子回路について紹介します。ロボットカーの主要パーツ ESP32ロボットカーを構成している主要パーツは以下の通りです。なるべく安価で様々な実験ができるようにしています。マイコン：XIAO ESP32C3 モータ：DCモータ 2個（本体シャーシに搭載）モータードライバ：DRV8835 超音波距離センサー：HC-SR04 3V対応品モーター電源：単3電池 2本マイコン電源：USB-Cモバイルバッテリー本体シャーシ：2WD Mini Smart Robot Mobile Platform Kit for education ロボットカーの回路 ESP32ロボットカーの回路図を示します。シンプルな構成ですが、超音波センサー、画面表示、モーター制御といった基本機能が使用できます。これをブレッドボードで配線すると以下のようになります。ロボットカーの実装パーツを実際に実装したロボットカーの写真です。サンプルスケッチロボットカーのESP32C3にはArduino IDEでスケッチを書き込みます。サンプルとして超音波センサーで壁を検知すると右方向に回転してぶつからないような動きをするスケッチを作成しました。このスケッチはGitHubリポジトリにあります。GitHubのリンクは以下のリンクになります。 esp32_robotcar_maze_solver.ino AI機能の追加これまで製作してきたロボットカーにAI機能を追加します。今回は、ESP32S3 SenseとSenseCraft AIでロボットカーを制御してみます。 ESP32S3 Senseの概要 ESP32S3 Senseは、ESP32S3をベースにエッジAIのプラットフォームとして設計されています。すぐ利用できる学習済モデルもSenseCraft AIで提供されています。前回の勉強会ではESP32S3 Sense単体でジェスチャー認識ができることを確認しました。 SenseCraft AIの導入とモデルのデプロイについては前回の記事を参照してください。 XIAO ESP32S3 Senseは他のXIAOシリーズとピン配置が共通なため、当初はESP32C3とそのまま差し替えれば動くのではと考えていました。しかし、SenseCraft AIでモデルをデプロイした場合、認識結果に応じて特定の1箇所のGPIOへHIGH/LOWを出力する仕様になっています。ロボットカーの走行にはモーターごとに2ビットの制御信号が必要なため、単に差し替えるだけではモーターを制御できません。さらに調べたところ、推論結果はUARTシリアル（JSON）でも出力されていることがわかったため、走行制御と推論をマイコンごとに分担させる構成が最適だと判断しました。そこで、ESP32S3 Senseを推論専用の「エッジAIセンサー」とし、UARTシリアル経由でESP32C3が結果を受け取ってモータードライバ（DRV8835）を駆動する構成にしました。 AIロボットカーの回路 SenseCraft AIでデプロイすると認識結果はシリアル出力されるので、そのデータをロボットカーのマイコンESP32C3で解析し、それに応じてロボットを制御します。 ESP32S3 Senseをロボットカーに追加した回路図は以下のようになります。これをブレッドボードで配線すると以下のようになります。 AIロボットカーの実装パーツを実際に実装したロボットカーの写真です。サンプルスケッチ ESP32S3 Senseからシリアル接続で送られてくるデータ形式はJSONですが、Seeed_Arduino_SSCMAというArduino用ライブラリを使用することでスケッチで容易に取り扱うことができます。 Seeed_Arduino_SSCMA Library これを使用したサンプルスケッチです。ジェスチャーの認識結果からロボットカーを前進、右回転、停止を制御するものです。 esp32_robotcar_esp32s3_sense.ino マイコン電源の見直しロボットカーのマイコン回路の電源はこれまでモバイルバッテリーを使用していましたが、今回からリポバッテリーに切り替えてみました。 ※リポバッテリーは過放電・ショートに弱いため、極性（プラス/マイナス）の間違いや取り扱いには十分ご注意ください。保護回路付きのセルの使用をおすすめします。 ESP32C3やESP32S3にはリポバッテリーを接続する機能が搭載されているため、リポバッテリーをはんだ付けするだけで使用できます。秋葉原で300円で販売されていた保護回路付きのリポバッテリーを使用してみました。いまのところ問題なく利用できています。XIAOをUSBに接続するだけで充電してくれるので取り扱いが楽になりました。次回今回は時間の関係でAIロボットカーの組み立てまでを行いました。次回はAIロボットカーの動作確認を行います。うまく動作すればSenseCraft AIが提供している画像認識や音声認識といった様々な学習済モデルをAIロボットカーに組み込んで動作させることを計画しています。

2026/09/03 12:023週間ぶり

Grove Vision AI V2でSenseCraft AIを試す

電子工作初心者勉強会でESP32S3 SenseとSenseCraft AIを試してみましたが、他にもエッジデバイスとしてGrove Vision AI V2というものがあることを知りました。こちらはNPUを搭載していて高速化が期待できそうなので、こちらも試してみることにしました。 Grove Vision AI V2の入手秋月電子さんでGrove Vision AI V2を探してみたところなんと残り1で在庫限りでした。最近の円安で次回の入荷では高くなってしまうことが予想されるので、迷わずオーダーしました。店頭在庫にはなかったので最近始まった店舗受け取りを試してみました。 Grove Vision AI V2で画像認識を行うためにはCSIのカメラも必要です。Raspberry Pi V2のカメラが確かあったなと思いつつ別の機器で使用しているので、カメラも探してみたところArduCam B0390 IMX219 Visible Light Fixed Focusという安価なものを見つけてしまいました。これも在庫が２つしかありません。今後を考えるとこの価格での入手は難しくなりそうなのでこちらも迷わず購入です。こちらも店頭在庫がなかったので店舗受け取りです。こうして、無事Grove Vision AI V2とCSIカメラを手に入れることができました。なお、店舗受け取りは2Fのカウンターですのでお間違いなく。 Grove Vision AI V2を動かす Grove Vision AI V2を入手してCSIカメラを取り付けて、SenseCraft AIで使おうとしたのですが、なぜか認識してくれません。いろいろ試したところ、どうやらファームウェアがv2023.12.14とかなり古いようです。 SenseCraft AIでファームウェア更新の機能もあるのですが、ボタンを押しても更新できませんでした。 Grove Vision AI V2のファームウェアを更新するさらに調べたところ手動で最新のファームウェアに直接更新できることがわかりました。XMODEMプロトコルでイメージファイルを送信すれば良さそうです。最新のファームウェア Windows環境でのファームウェアアップデート方法この手順で最新のファームウェアをXMODEMで書き込んでみました。 1st BL Modem Build DATE=Nov 30 2023, 0x0002000b Please input any key to enter X-Modem mode in 100 ms waiting input key Set X-modem flag = Yes slot flash_offset 0x00100000 jump_addr=0x3401f000 Compiler Version: ARM CLANG, Clang 13.0.0 (ssh://ds-gerrit/armcompiler/llvm-project 1f5770d6f72ee4eba2159092bbf4cbb819be323a) set_IP_secure done flash type[2], flash size[5] slot FlashOffset 0x00000000 Image max size 0x00100000 ------------------------------------------------------------ [0] Reboot system [1] Xmodem download and burn FW image ------------------------------------------------------------ ------------------------------------------------------------ [0] Reboot system [1] Xmodem download and burn FW image ------------------------------------------------------------ !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! !! Please keep the power on during the program upgrade process !! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! Send data using the xmodem protocol from your terminal CCCCCCCCCCC backup slot header Do you want to end file transmission and reboot system? (y) 1st BL Modem Build DATE=Nov 30 2023, 0x0002000b Please input any key to enter X-Modem mode in 100 ms waiting input key... slot flash_offset 0x00000000 New MemDesp himax_sec_SB_image_process PASS set_memory_s_ns bl_status = 0x800000, HX_DSP_FLAG 1 bl_status = 0x800000 jump_addr=0x10000000 Compiler Version: ARM GNU, 13.2.1 20231009 Build date: Jan 2 2025 06:21:56 無事ファームウェアが2025.01.02版に更新できたようです。 SenseCraft AIに接続したところようやく認識してくれました。 SenceCraft AIで画像認識を試す SenceCraft AIで画像認識のテストを行ってみました。机のZライトにぶら下げるような形にして確認してみました。プレビュー画面を確認したところ、パーのジェスチャが認識されてはいますが、画像が緑一色になっています。ドキュメントを確認したところ、カメラモジュールはやや旧型のOV5647が強く推奨されていて、他のカメラでは緑一色になったり、フルカラーにならない場合があるそうです。とりあえずは使用できているので、このまま使うことにしますが、OV5647カメラモジュールはAliexpressで安価に販売されているようなので機会があれば購入してみようと思います。認識結果でLEDを点灯する設定を見るとわかりますが、認識したときの画像をSDカードに保存することもできるようです。パーを出したところ、左側のUSER LEDが点灯しました。まとめ Grove Vision AI V2の認識速度はESP32S3 Senseと比較すると圧倒的に速いです。これなら動くものでも使用できそうです。残念ながら一部のCSIカメラでは色がおかしくなることがあり、この影響で認識精度も左右するので、推奨カメラを使用するのが良さそうです。 Grove Vision AI V2はXIAOシリーズのマイコンを搭載できるようになっており、I2C経由でGrove Vision AI V2との通信が行えます。Arduino IDE用のサンプルプログラムも提供されているので様々な電子工作に応用できそうです。

2026/08/09 08:111日ぶり

ESP32S3 SenseでSenseCraft AIを試す #1（おおたfab 電子工作初心者勉強会第46回）

おおたfabさんでは電子工作初心者勉強会を定期的に開催しています。前回はArduino Cloudのダッシュボードからミニカーのマイコン(XIAO ESP32C3)を制御できることを確認し、そのマイコンをミニカーに載せて実際に走らすことができました。これでミニカーを使った作業は一通り完了したので、今後電子工作初心者勉強会で取り組むテーマを考えていきます。今後のテーマを考えるまずは参加者の皆さんで今後のテーマについてブレストを行いました。ブレストでは次のようなアイデアが出ました。ミニカーを拡張するラインセンサーを追加してライントレースカー。カメラを載せてセンサーの代わりにする 2台で協調してダンスする（１台はクラウド、１台は通常）、後をつけるように動かす。音声認識で動かす感情をLEDもしくは画面に表示する。指の動きで動かす。お掃除ロボット　カメラでごみを見つけて拾う。ウェアブルデバイスを作ってみる脈拍、気温、気圧とかをセンサーで取得してクラウドで記録する据え置き型の機器を作ってみる音声合成と防犯アラームや防災アプリを連携。ゲリラ豪雨を知らせる。ぬいぐるみに仕込むとか。カメラを使って画像認識：台所の蛇口閉め忘れ検知。リモート会議中だと部屋の入口にON AIRのランプ点灯観葉植物の給水　湿度センサーでポンプ給水、光制御、スマート農業 3Dプリンタのフィラメントの乾燥ツールスマートホーム　エアコンのON/OFF 上がったときにON。プロジェクターで天井にプラネタリウム投影とか。暗くなったら自動表示。球体LCDや円形LCDの表示も。このようにいろいろなアイデアがでてきましたが、やはりせっかく作ったミニカーを何等かの形で拡張してみたいという意見が多かった半面、据え置き型のデバイスなど実用的なものに取り組んではという意見もありました。またキーワードとしては音声合成や音声認識、カメラでの画像認識など少しこれまでとは違うセンサーを使ってみたいという希望もあるようです。 XIAO ESP32S3 Senseを使ってみるここで何かのヒントになればと準備しておいたXIAO ESP32S3 Senseを使ったデモを行いました。 XIAO ESP32S3 Senseは、ESP32S3をコアに持ち、小型カメラと音声認識用のデジタルマイクをXIAOのサイズに搭載したものです。もちろんWiFiやBluetoothも搭載して無線通信にも対応しています。これまで使ってきたXIAO ESP32C6やXIAO ESP32C3よりは少し高価ですが、カメラ機能、音声認識機能付きのエッジデバイスとしては安価です。また、画像を扱うために高速なCPUを使っていて付属品としてヒートシンクが2個ついてきます。デモアプリケーションのライブストリーミングを実行したところ確かに熱くなるのでヒートシンクを1個取り付けています。 SenseCraft AIを試してみる先ほどのブレストでも話題になった画像認識や音声認識を簡単に実現できそうなSeeed StudioさんのSenseCraft AIを試してみます。 SenseCraft AI SenseCraft AIはノーコードでESP32S3 Senseなどのエッジデバイスを制御できて、すぐ使えるように学習済のモデルがいくつか用意されているものです。手のジェスチャーを認識してみる SenseCreaft AIはブラウザで使うことができ、ログインも不要ですべての公開AIモデルが使えます。ここでは手のジェスチャーを認識するモデルがありましたので試してみました。ジェスチャー検出のモデルを選びESP32S3 Senseにデプロイします。デプロイボタンを押すだけでESP32S3 Senceが接続されているシリアルポートを認識し、ESP32S3 Senseにモデルファイルを書き込んでくれます。デプロイが完了すると、ESP32S3 Senseが再起動し、カメラの画像がプレビュー画面に表示されます。カメラの前でグー、チョキ、パーをするとその状態を認識してくれます。手のジェスチャーでLチカしてみる SenseCreaft AIではセンサー出力としてAIの認識結果からLチカを行ったり、WiFi経由でデータを送信したり、GPIOを制御することもできるのです。この仕組みを利用すればミニカーでの応用も難しくなさそうです。ただし画像認識に少しタイムラグがありますので、速く動くものとの組み合わせは少し工夫が必要かもしれません。まとめ SenseCraft AIを使えばノーコードで画像認識や音声認識ができて、さらにLチカができることがわかりました。準備されている学習モデルもありますが、自分で集めた画像を使って独自のモデルを作ることもできるようです。応用事例もいくつか紹介されているようなので、それを参考にしながらミニカーをAIミニカーに進化させてみるのも良いですし、ミニカー以外のアイデアにも応用できそうです。次回はミニカーのマイコンをESP32S3 SenseにしてSenseCraft AIでGPIOを制御するところから始めてみます。また、SenseCraft AIで表示されていたGrove Vision AI V2は演算プロセッサがハードウェア化されているのでもう少し認識速度を高速化できるかもしれません。こちらも入手して試してみます。

2026/08/07 11:251週間ぶり

DEC AXPvme230で遊ぶ #12 VMEラックを整備する

前回はDEC AXPvme230のPCI LANカードにネットワークを接続して100Mbpsに高速化しました。今回はVMEラックを含む動作環境の整備を行います。エアフローの課題以前の記事でも触れましたがエアフローの課題が残っており、VMEラックで安定運用するにはこの点を解決しなければなりません。 Technical Descriptionによると、AXPvme230モジュールを適切に冷却するためには、以下のエアフロー要件を満たす必要があるとのことです。最低200LFM（Linear Feet per Minute：フィート毎分）の風量が必要 VMEシャーシに空きスロットがある場合は、導電性のブランクパネル（ダミーパネル）を挿入してください。これにより、エアフローが改善され、電磁波干渉（EMI）も低減されます。現在はやむなく一番電力を消費しないと思われるV53 RAMボード(1M SRAMが4個しか載っていない) を空きスロットに取り付け、CPUのヒートシンク側のブランクパネルの代用としていました。フロントパネルの入手 VME 6Uラック用の導電性のブランクパネルを探したのですが、こんなマニアックな製品はオークションサイトやフリマサイトでも見つかりません。個人向けの販売サイトでは販売が終息しているようで、「販売終了」や「売り切れ」の表示ばかりです。あきらめずに探したところフルタカパーツオンラインさんでタカチ電機工業さんの導通フロントパネル DFPシリーズの在庫を見つけることができました。欲しかった6U 2HP（通常のVMEボード1枚分のパネル）はすでに売り切れでしたが、6U 4HP（AXPvme230と同じ2枚分のパネル）を2枚購入することができました。フルタカパーツオンラインさんはこれまで利用したことがなかったのですが、各種メーカーの品揃えが豊富なので、今後も利用させていただこうと思います。フロントパネルの効果早速フロントパネルをVMEラックに取り付けます。スロット10にAXPvme230を取り付けていましたが、4HPのパネルを左右に取り付けるため、AXPvme230はスロット9の位置に変更しました。空いた両脇に6U 4HPのフロントパネルをネジ止めしました。これでエアーの漏れが少なくなり、真上に向けてエアーが安定して流れるようになります。右端に5mmほど隙間ができてしまいますが、ここはこのままにして100MbpsのLANコネクタのフラットケーブルの引き出しに使います。この状態で電源を投入して数時間動作させてみると、ラックの上部がほんのりと温かくなっています。CPUやメモリなどで暖められた空気が当たって温かくなっているようです。やはり発熱量は相当なものですが、空冷効果は出ているようです。 MMJ-RS232C変換の基板化次に気になっていたのはブレッドボードで製作しているMMJ-RS232C変換です。RS232Cコネクタやモジュラコネクタに力がかかって抜けそうになることがあります。ここも安定化するために基板に移し替えることにしました。今回は写真にある秋月電子の45基板に移し替えます。少し大きめかもしれませんが、この基板には45基板用アクリルパネルが販売されており、それを利用するためです。回路図は以下のように非常にシンプルです。 45基板への実装はすぐ終わりました。裏側にはスモークの専用アクリル板を取り付けて接触防止と見栄えを少し良くしています。これでMMJ-RS232C変換も安定して使用できるようになりました。まとめ今回はVMEラックの環境整備とMMJ-RS232C変換の基板化を行い、安定して稼働できる環境になりました。これで安心して長時間の稼働もできそうです。今後はNetBSD/alphaを動かしてX11を含む様々なアプリケーションを試していきます。

2026/07/31 09:114日ぶり

読み込み中...

Arduino Uno QでLチカの状態をブラウザにリアルタイム表示する

2026/09/13 18:291日ぶり