СОВРЕМЕННЫЕ ПОДХОДЫ К ПРОЕКТИРОВАНИЮ СИСТЕМ УМНОГО ДОМА: ОТ МОНИТОРИНГА ДАТЧИКОВ ДО ГОЛОСОВОГО УПРАВЛЕНИЯ

THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 294 СОВРЕМЕННЫЕ ПОДХОДЫ К ПРОЕКТИРОВАНИЮ СИСТЕМ УМНОГО ДОМА: ОТ МОНИТОРИНГА ДАТЧИКОВ ДО ГОЛОСОВОГО УПРАВЛЕНИЯ Обидов Б. И., Хамзаев Ж. Ф. Ташкентский университет информационных технологий имени Мухаммада аль-Хоразмий https://doi.org/10.5281/zenodo.17768010 Аннотация. Системы "умного дома" эволюционировали от базовой автоматизации до сложных, взаимосвязанных экосистем Интернета вещей (IoT). Движущей силой этой трансформации стали доступные микроконтроллеры, такие как ESP32 и NodeMCU, а также повсеместное внедрение облачных платформ и мобильных приложений. Изначально ориентированные на мониторинг датчиков и удаленное управление через приложения, современные системы все больше смещаются в сторону интуитивных интерфейсов, в частности, голосового управления. Популярные платформы, такие как Google Assistant и Amazon Alexa, предлагают удобство, но также поднимают вопросы конфиденциальности, задержек и зависимости от интернет-соединения. В ответ на эти вызовы появляются новые подходы, включая полностью автономные (offline) системы голосового управления и интеграцию механизмов машинного обучения (ML) для создания адаптивных и по-настоящему интеллектуальных сред. Данный обзор анализирует эту эволюцию, синтезируя современные подходы к проектированию, от базового сбора данных до адаптивного голосового управления, на основе недавних исследований в этой области. Ключевые слова: умный дом, Интернет вещей (IoT), ESP32, NodeMCU, голосовое управление, офлайн-распознавание речи, облачная автоматизация, IFTTT, Google Assistant, Amazon Alexa, машинное обучение, адаптивные системы, граничные вычисления, конфиденциальность, мониторинг датчиков. Abstract. Smart home systems have evolved from basic automation to complex, interconnected Internet of Things (IoT) ecosystems. This transformation has been driven by affordable microcontrollers such as the ESP32 and NodeMCU, as well as the widespread adoption of cloud platforms and mobile applications. Initially focused on sensor monitoring and remote control via applications, modern systems are increasingly shifting toward intuitive interfaces, particularly voice control. Popular platforms such as Google Assistant and Amazon Alexa offer convenience but also raise concerns regarding privacy, latency, and dependence on internet connectivity. In response to these challenges, new approaches are emerging, including fully autonomous (offline) voice-control systems and the integration of machine learning (ML) mechanisms to create adaptive and truly intelligent environments. This review analyzes this evolution, synthesizing modern design approaches—from basic data acquisition to adaptive voice control - based on recent research in the field. Keywords: smart home, Internet of Things (IoT), ESP32, NodeMCU, voice control, offline speech recognition, cloud automation, IFTTT, Google Assistant, Amazon Alexa, machine learning, adaptive systems, edge computing, privacy, sensor monitoring. 1. Введение THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 295 За последнее десятилетие концепция "умного дома" претерпела значительную трансформацию, превратившись из нишевых решений по автоматизации в широкодоступную экосистему Интернета вещей (IoT). Основной движущей силой этого процесса стало появление недорогих, но мощных микроконтроллеров со встроенными возможностями беспроводной связи, таких как NodeMCU (ESP8266) и, в особенности, ESP32. Изначально системы умного дома были ориентированы на повышение комфорта, энергоэффективности и безопасности. Однако их ключевым преимуществом стала повышенная доступность для пожилых людей и лиц с ограниченными возможностями [1, 3, 4, 9]. Ранние реализации были сосредоточены на удаленном мониторинге датчиков и управлении приборами через специализированные мобильные приложения или вебинтерфейсы [6, 7, 8]. Современный этап развития характеризуется смещением акцента на более интуитивные и "бесшовные" способы взаимодействия, в первую очередь, на голосовое управление. Интеграция с коммерческими облачными платформами, такими как Google Assistant и Amazon Alexa, стала стандартом де-факто. Однако такая архитектура породила новые вызовы, связанные с зависимостью от интернет-соединения, задержками (латентностью) и, что наиболее важно, с проблемами конфиденциальности, поскольку голосовые данные обрабатываются на сторонних серверах. В ответ на эти вызовы начали формироваться передовые подходы, направленные на создание полностью автономных (offline) систем голосового управления и внедрение механизмов машинного обучения (ML) для разработки адаптивных систем, способных обучаться и подстраиваться под привычки пользователя. Целью этой работы является отслеживание эволюции от базового мониторинга датчиков до интеллектуального голосового управления, выявление ключевых архитектурных решений, их преимуществ и ограничений. 2. Базовая архитектура и компоненты В основе большинства современных систем умного дома лежит схожая архитектура, наглядно представленная в Рисунке 1. Рисунок 1: Общая схема архитектуры умного дома на базе Интернета вещей [2]. THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 296 Она включает в себя три основных уровня: 1. Уровень датчиков и исполнительных устройств (Сенсоры и Актуаторы): Это "глаза и руки" системы. Сюда входят различные датчики (температуры и влажности DHT11 [7], движения PIR [7, 8], газа [8], уровня воды [8], RFID [11]) и исполнительные устройства, чаще всего релейные модули, управляющие питанием бытовых приборов [1, 4, 5, 8]. 2. Уровень управления (Контроллер): Это "мозг" системы. Если раньше популярностью пользовались платформы вроде Arduino [2], то сегодня доминируют микроконтроллеры со встроенными модулями беспроводной связи. Ключевыми игроками здесь являются NodeMCU (ESP8266) [1, 7, 9] и его более мощный преемник ESP32 [2, 3, 4, 5, 6, 8]. 3. Уровень взаимодействия (Пользовательский интерфейс и Облако): Это способ, которым пользователь общается с системой. Он включает мобильные приложения, веб-интерфейсы и, как будет рассмотрено далее, голосовых ассистентов. Таблица 1: Сравнение характеристик ESP32 с Node MCU (ESP8266) и Arduino Uno [2]. Платформа ESP32 стала де-факто стандартом благодаря своей низкой стоимости, наличию Wi-Fi и Bluetooth, двухъядерному процессору и низкому энергопотреблению [2, 3]. В Таблице 1 представлено наглядное сравнение характеристик ESP32, NodeMCU и Arduino Uno, подчеркивающее преимущества ESP32 для сложных IoT-задач. 3. Эволюция управления: от мониторинга к приложениям Первоначальные системы умного дома были сосредоточены на мониторинге. В исследовании V. Pravalika и Ch. Rajendra Prasad [8] система на базе ESP32 использовалась для сбора данных с датчиков температуры, газа, движения и уровня воды. Эти данные отправлялись в облачное хранилище (например, ThingSpeak [8]) и визуализировались в мобильном приложении, созданном с помощью MIT App Inventor [8]. Особенность ESP32 Node MCU (ESP8266) Arduino Uno Процессор Двухъядерный Tensilica LX6 @ 240 МГц Одноядерный Tensilica L106 @ 80 МГц ATmega328P @ 16 МГц SRAM 520 КБ 80 КБ 2 КБ Флэш-память До 4 МБ ( внешний ) 4 МБ ( внешний ) 32 КБ Wi -Fi 802.11 b/g/n (интегрированный) 802.11 b/g/n (интегрированный) Нет Bluetooth Bluetooth 4.2 и BLE Нет Нет Контакты GPIO До 34 До 17 14 Каналы АЦП 18 (12 бит) 1 (10-бит) 6 (10-бит) Управление питанием Несколько режимов сна, сопроцессор ULP Легкий сон, модемный сон Базовый сон режимы Лучше всего подходит для Голосовое управление, многопротокольный Интернет вещей, умные домашние концентраторы Базовая беспроводная автоматизация, датчики Интернета вещей Автоматизация начального уровня образование и простые устройства THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 297 Логичным развитием стал переход от простого мониторинга к удаленному управлению. Разработчики начали активно использовать мобильные платформы для создания пользовательских интерфейсов. Популярными инструментами для быстрой разработки стали Blynk [4, 7] и Kodular [6, 9], позволяющие создавать приложения с кнопками, слайдерами и дашбордами для управления устройствами, подключенными к ESP32. Nabil Litayem [3] также выделяет важность веб-интерфейсов для управления системой, доступных с любого устройства через браузер (Рисунок 2). Рисунок 2: Веб-интерфейс умного дома [3]. 4. Революция голосового управления Наиболее значительным шагом в повышении удобства и доступности стало внедрение голосового управления. Облачный подход (Google Assistant и Alexa) Наиболее распространенный метод интеграции голоса основан на использовании облачных сервисов. Архитектура, описанная во многих работах [1, 4, 5, 9, 11], выглядит следующим образом: 1) Пользователь дает команду голосовому ассистенту, например, Google Assistant [1, 2, 4, 9] или Amazon Alexa [2, 5]. 2) Команда распознается в облаке ассистента. 3) Для связи облака ассистента с микроконтроллером используется промежуточный сервис. Чаще всего это IFTTT (If This Then That) [2, 4], который действует как мост. 4) IFTTT, в свою очередь, отправляет команду (например, через Webhook [2] или обновление данных) на облачную платформу, к которой подключен ESP32. Это может быть Firebase [9], Blynk Server [4] или AWS [1]. 5) Микроконтроллер ESP32/NodeMCU получает команду из облака и активирует соответствующее реле. Эта архитектура наглядно показана в блок-схемах, приведённых на рис. 1 в [1], рис. 4 в [4] и рис. 1 в [9]. Преимущество этого подхода — высокая точность распознавания речи и поддержка сложных команд. Например, Vivek Raj и др. [4] реализовали поддержку THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 298 команд на нескольких языках (английском и малаялам) для повышения доступности. Гибридные системы управления Понимая ненадежность одного лишь голосового или удаленного управления (например, при сбое интернета), разработчики предлагают гибридные решения. Muhammad Nazhiim Subki и др. [5] представили систему, объединяющую голосовое управление через Alexa, управление через приложение и традиционные физические настенные выключатели. Их система на базе ESP32 использует логику "ИЛИ" (OR gate), подробно описанную в Таблице 2, позволяя включить свет любым из трех способов, что обеспечивает необходимую избыточность. Таблица 2: Таблица истинности того, как работает система [5]. Шаг Алекса Ручной переключатель Выход 0 0 0 0 1 1 0 1 2 0 1 1 3 1 1 1 5. Современные вызовы и передовые решения Несмотря на популярность, облачный подход имеет фундаментальные недостатки: проблемы с конфиденциальностью (голосовые данные отправляются на сторонние серверы), задержки (время на полный цикл "команда-облако-устройство") и зависимость от интернета [2, 3, 6, 10]. Современные исследования направлены на решение этих проблем. Решение 1: Автономное (Offline) голосовое управление Для устранения зависимости от облака и обеспечения конфиденциальности, Ajayi Oluwabukola F. и др. [6] разработали систему "Home Guardian". В ее основе лежит ESP32 в паре со специализированным модулем локального распознавания голоса AI Thinker VC-02 [6]. Рисунок 3: Схема архитектуры системы [6]. THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 299 В этой архитектуре (Рис. 3) все голосовые команды обрабатываются непосредственно на устройстве. Это обеспечивает мгновенный отклик, полную конфиденциальность (данные никогда не покидают дом) и работоспособность системы без подключения к интернету. Управление через мобильное приложение (созданное на Kodular) также сохраняется, но работает оно исключительно через локальную Wi-Fi сеть [6]. Решение 2: Адаптивные системы и Машинное обучение (ML) Стандартные системы умного дома не являются "умными" в прямом смысле — они лишь выполняют запрограммированные сценарии. Если привычки пользователя меняются, систему нужно перепрограммировать [10]. Следующий этап эволюции — внедрение машинного обучения (ML) для создания адаптивных систем. • ML для безопасности: В работе Olutosin Taiwo и Absalom E. Ezugwu [7] система на базе ESP32-CAM не просто транслирует видео. При обнаружении движения (PIR-датчик) она делает снимок и использует алгоритм опорных векторов (SVM) для классификации изображения, отличая "жильца" от "постороннего". Это позволяет избежать ложных срабатываний системы безопасности [7]. • ML для адаптации (Онлайн-обучение): Наиболее продвинутый подход предложен Leandro Filipe, Ricardo Silva Peres и Rui Manuel Tavares [10]. Они отмечают, что большинство систем не способны к эволюционной интеллектуальности. Их решение, построенное на базе Raspberry Pi (как центрального контроллера) и NodeMCU (как исполнителей), использует Онлайн-обучение (Online Learning). Система наблюдает за действиями пользователя (например, как он управляет жалюзи в зависимости от времени суток, освещенности и температуры) и автоматически адаптирует свои внутренние правила в реальном времени, подстраиваясь под меняющиеся привычки [10]. Рисунок 4: Онлайн и офлайн модели [10]. В Рисунке 4 наглядно сравниваются онлайни офлайн-подходы, демонстрируя превосходную адаптивность онлайн-модели. 6. Заключение THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 300 Проектирование систем умного дома прошло долгий путь: 1. Все началось с мониторинга датчиков и визуализации данных в приложениях, как показано в [8]. 2. Затем фокус сместился на дистанционное управление через мобильные приложения (Blynk, Kodular) [4, 6, 7, 9]. 3. Наступила эра голосового управления, преимущественно через облачные сервисы (Google Assistant, Alexa) с использованием IFTTT, что значительно повысило доступность [1, 2, 4, 5, 9]. 4. В ответ на проблемы облачных решений появились автономные (offline) системы, обеспечивающие конфиденциальность и надежность за счет локальной обработки голоса [6]. 5. Наконец, новейшие подходы внедряют машинное обучение, переходя от запрограммированных сценариев к по-настоящему адаптивным и интеллектуальным системам: будь то для повышения безопасности [7] или для автоматической подстройки под привычки пользователя [10]. Микроконтроллеры семейства ESP32 [2, 3] остаются ключевым элементом, обеспечивающим необходимую вычислительную мощность и коммуникационные возможности для реализации этих сложных и экономически эффективных решений на "краю" сети (Edge AI). СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 1. [1] Supriya N, Surya S, Kiran K N. (2024). VOICE CONTROLLED SMART HOME FOR DISABLED. 2024 International Conference on Intelligent and Innovative Technologies in Computing, Electrical and Electronics (IITCEE). 2. [2] Bhaganagare S., Chavan S., Gavali S., Godase V. V. (2025). Voice-Controlled Home Automation with ESP32: A Systematic Review of IoT-Based Solutions. Journal of Microprocessor and Microcontroller Research. 3. [3] Litayem N. (2024). Scalable Smart Home Management with ESP32-S3: A Low-Cost Solution for Accessible Home Automation. 2024 International Conference on Computer and Applications (ICCA). 4. [4] Raj V., Chandran BS A., prabha RS A. (2019). IoT Based Smart Home Using Multiple Language Voice Commands. 2019 2nd International Conference on Intelligent Computing, Instrumentation and Control Technologies (ICICICT). 5. [5] Subki M. N., Bakar L., Wahab Z. A. (2023). Home Automation using ESP-32 Development Board with Alexa Voice Assistant and Manual Switch. Progress in Engineering Application and Technology. 6. [6] Ajayi O. F., Oyiana J. C., Izang A., et al. (2025). DESIGN AND IMPLEMENTATION OF AN OFFLINE VOICE-CONTROLLED HOME ASSISTANT. International Journal on Science and Technology (IJSAT). 7. [7] Taiwo O., Ezugwu A. E. (2021). Internet of Things-Based Intelligent Smart Home Control System. Security and Communication Networks. 8. [8] Pravalika V., Prasad Ch. R. (2019). Internet of Things Based Home Monitoring and Device Control Using Esp32. International Journal of Recent Technology and Engineering (IJRTE). THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 301 9. [9] Ali H., Albighdadi H. (2025). Design and Implementation of Home Automation Based on Voice Recognition System and IOT using Node MCU. Libyan Journal of Contemporary Academic Studies. 10. [10] Filipe L., Peres R. S., Tavares R. M. (2021). Voice-Activated Smart Home Controller Using Machine Learning. IEEE Access. 11. [11] Suman Roy, Himanshu Sen, Indranil Roy, Rankana Paul, Farhan Akthar, and Ujjwol Barman. “Cloud-Enabled Voice Control for Home Appliances: A Secure and Accessible IoT Approach.”2024 International Conference on Applied Electromagnetics, Signal Processing and Communication (AESPC).