This thesis aims to present the development of a metaverse project for the KMITL Lifelong Learning Center (KLLC) and KMITL Data Management Center (KDMC) for Public Relations at King Mongkut's Institute of Technology Ladkrabang, with the main goal of creating a metaverse prototype to promote learning and public relations through virtual reality technology for students, staff, and external individuals. In this project, the developers have created a metaverse system to simulate a virtual experience for users at the KMITL Lifelong Learning Center (KLLC) and KMITL Data Management Center (KDMC) for Public Relations at King Mongkut's Institute of Technology Ladkrabang. Users will be able to access the system through a web application developed with Unity, which is the tool used to create the metaverse system. The design allows users to visit and interact with various locations within the building to promote public relations in a more widespread virtual format. The developers used Maya and Unity software to create a metaverse system for modeling 3D objects and managing various functions, providing users with a realistic and novel experience. This project is expected to promote learning and the dissemination of information in an easily accessible modern format, creating opportunities for education and learning for those who cannot travel to see the actual locations. This makes metaverse technology an important tool for effectively developing learning and engagement in the digital age.
เนื่องจากปัจจุบันการประชาสัมพันธ์ด้วยเทคโนโลยีในรูปแบบ Metaverse ยังไม่เป็นที่นิยมและไม่ได้นำมาใช้อย่างแพร่หลายในประเทศไทย โดยเฉพาะอย่างยิ่งในด้านการศึกษาเพื่อการเรียนรู้ผ่านระบบเมตาเวิร์ส โดยระบบ Metaverse คือเทคโนโลยีที่สามารถเชื่อมต่อทุกการสื่อสารบนโลกออนไลน์ ให้รวมกันเป็นหนึ่งเดียวได้เสมือนกับชุมชนบนโลกเสมือนจริงที่ให้สภาพแวดล้อมกับวัตถุต่าง ๆ รอบตัวที่เหมือนจริงมาก และสามารถเชื่อมต่อกันได้จะทำให้เกิดปฏิสัมพันธ์ซึ่งกันและกัน พร้อมการสร้างกิจกรรมร่วมกันได้ เช่น การพูดคุย การเดินสำรวจสิ่งก่อสร้าง การทำท่าทางต่างๆ เป็นต้น ซึ่งจะเห็นได้ว่าระบบ Metaverse สามารถนำมาประยุกต์ใช้ได้ในหลากหลายรูปแบบโดยขึ้นอยู่กับการนำเสนอของผู้ออกแบบ ปัจจุบันเทคโนโลยีในรูปแบบ Metaverse ที่ใช้เพื่อการประชาสัมพันธ์ในส่วนของศูนย์การเรียนรู้ตลอดชีวิต (KLLC) และสำนักบริหารข้อมูลดิจิทัล (KDMC) สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบังยังคงขาดการประชาสัมพันธ์เพื่อให้เป็นที่น่าสนใจและดึงดูดให้พื้นที่นี้เป็นที่รู้จักและน่าสนใจมากยิ่งขึ้น อีกทั้งยังได้รับประสบการณ์การใช้งานในรูปแบบโลกเสมือนจริง โดยผู้ใช้งานจะสามารถพูดคุยกัน เปิดกล้อง แชร์หน้าจอ ทำท่าทางต่างๆ และได้เห็นถึงโครงสร้างทั้งภายนอกและภายในของศูนย์การเรียนรู้ตลอดชีวิต (KLLC) และสำนักบริหารข้อมูลดิจิทัล (KDMC) สจล. ดังนั้น เราจึงสร้าง KMITL Lifelong Learning Center (KLLC) and Data Management Center (KDMC) ในรูปแบบ Metaverse ที่มีสภาพแวดล้อมเสมือนจริง เพื่อการประชาสัมพันธ์ให้กับผู้ที่ชื่นชอบการศึกษาเรียนรู้และผู้ที่สนใจในเทคโนโลยีเมตาเวิร์สและเพื่อให้ผู้ใช้งานได้สัมผัสกับประสบการณ์เสมือนจริงโดยตรงจากระบบ Metaverse
คณะวิศวกรรมศาสตร์
The Thai Sign Language Generation System aims to create a comprehensive 3D modeling and animation platform that translates Thai sentences into dynamic and accurate representations of Thai Sign Language (TSL) gestures. This project enhances communication for the Thai deaf community by leveraging a landmark-based approach using a Vector Quantized Variational Autoencoder (VQVAE) and a Large Language Model (LLM) for sign language generation. The system first trains a VQVAE encoder using landmark data extracted from sign videos, allowing it to learn compact latent representations of TSL gestures. These encoded representations are then used to generate additional landmark-based sign sequences, effectively expanding the training dataset using the BigSign ThaiPBS dataset. Once the dataset is augmented, an LLM is trained to output accurate landmark sequences from Thai text inputs, which are then used to animate a 3D model in Blender, ensuring fluid and natural TSL gestures. The project is implemented using Python, incorporating MediaPipe for landmark extraction, OpenCV for real-time image processing, and Blender’s Python API for 3D animation. By integrating AI, VQVAE-based encoding, and LLM-driven landmark generation, this system aspires to bridge the communication gap between written Thai text and expressive TSL gestures, providing the Thai deaf community with an interactive, real-time sign language animation platform.
คณะเทคโนโลยีการเกษตร
Major medical and veterinary pests including the mosquitoes, houseflies and cockroaches pose health problems for humans and mammals and create more visual obstruction. Therefore, this research discovered a formula of essential oils and active ingredients from herbal plants that are highly effective in controlling and eliminating these insects compared to chemical insecticides, are safe for non-target organisms living in the environment, and are stable and maintain the active properties of the compounds. These formulas can be developed into environmentally friendly natural products to replace or reduce the use of chemical insecticides.
คณะวิศวกรรมศาสตร์
This research suggested natural hemp fiber-reinforced ropes (FRR) polymer usage to reinforce recycled aggregate square concrete columns that contain fired-clay solid brick aggregates in order to reduce the high costs associated with synthetic fiber-reinforced polymers (FRPs). A total of 24 square columns of concrete were fabricated to conduct this study. The samples were tested under a monotonic axial compression load. The variables of interest were the strength of unconfined concrete and the number of FRRlayers. According to the results, the strengthened specimens demonstrated an increased compressive strength and ductility. Notably, the specimens with the smallest unconfined strength demonstrated the largest improvement in compressive strength and ductility. Particularly, the compressive strength and strain were enhanced by up to 181% and 564%, respectively. In order to predict the ultimate confined compressive stress and strain, this study investigated a number of analytical stress–strain models. A comparison of experimental and theoretical findings deduced that only a limited number of strength models resulted in close predictions, whereas an even larger scatter was observed for strain prediction. Machine learning was employed by using neural networks to predict the compressive strength. A dataset comprising 142 specimens strengthened with hemp FRP was extracted from the literature. The neural network was trained on the extracted dataset, and its performance was evaluated for the experimental results of this study, which demonstrated a close agreement.