เลย์ลาหุ่นยนต์โรงแรม มีหน้าที่ช่วยนำกระเป๋าไปส่งยังห้องพักแขก มี Map ช่วยนำพาไปจุดต่างๆในโรงแรม มีระบบ AI ตอบโต้พูดคุยได้ 3 ภาษาหลัก ได้แก่ ภาษาไทย ภาษาอังกฤษ และภาษาจีน
เนื่องจากปัญหาการขาดแคลนพนักงานโรงแรมในปัจจุบัน พนักงานจึงต้องทำหน้าที่หลายอย่างในเวลาเดียวกัน ทำให้ลูกค้าอาจต้องรอคิวนาน ดังนั้นเพื่อเพิ่มประสิทธิภาพการทำงานให้สะดวกและรวดเร็วยิ่งขึ้น จึงสร้างนวัตกรรมชิ้นนี้มาเพื่อช่วยลดภาระหน้าที่ของพนักงาน เช่น Bellboy, Concierge และ Receptionist เป็นต้น
คณะเทคโนโลยีสารสนเทศ
โครงงานเรื่องอาฟเตอร์เดย์ ฮอไรซอน (AfterDay Horizon) เป็นเกมเอาชีวิตรอดสำหรับผู้เล่นสองคนที่ถูกพัฒนาขึ้นเพื่อเน้นการส่งเสริมความร่วมมือและการทำงานร่วมกันระหว่างผู้เล่น โดยใช้เทคโนโลยีความเป็นจริงเสมือน (Virtual Reality: VR) และเว็บไซต์เป็นแพลตฟอร์มในการเล่น ภายในเกม ผู้เล่นจะได้สัมผัสกับโลกที่เผชิญกับอารยธรรมที่ล่มสลายจากปัญหาสิ่งแวดล้อม โดยที่ประชากรต้องอาศัยอยู่ในบังเกอร์เพื่อหลีกเลี่ยงอันตรายจากสภาพแวดล้อมภายนอก อาฟเตอร์เดย์ ฮอไรซอน เน้นการทำงานร่วมกันระหว่างผู้เล่นทั้งสองคนในการทำภารกิจต่าง ๆ เพื่อช่วยให้ผู้คนในบังเกอร์มีชีวิตรอดให้นานที่สุด ภารกิจเหล่านี้ถูกออกแบบมาเพื่อส่งเสริมการร่วมมือ การแก้ปัญหาเป็นทีม และการตัดสินใจในสถานการณ์ที่ท้าทาย นอกจากนี้ยังช่วยสร้างความสามัคคีและความเข้าใจระหว่างผู้เล่น ในขณะเดียวกันก็ทำให้ผู้เล่นได้ตระหนักถึงความสำคัญของการร่วมแรงร่วมใจในการจัดการปัญหาเพื่อความอยู่รอดร่วมกัน จากการทดสอบตัวเกมเบื้องต้น พบว่าผู้เล่นทำภารกิจสำเร็จและร่วมมือกันได้ดี แต่บางภารกิจซับซ้อนและใช้เวลานาน ควรปรับปรุงเพื่อเพิ่มความสนุกและความราบรื่นในการเล่น
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ
คณะอุตสาหกรรมอาหาร
งานวิจัยนี้มีวัตถุประสงค์เพื่อปรับปรุงกระบวนการผลิตกรดแกมมา-อะมิโนบิวทิริก (GABA) ในน้ำสับปะรดหมักโดยใช้โพรไบโอติกและแบคทีเรียกรดอะซิติก (AAB) ซึ่งเป็นจุลินทรีย์ที่มีศักยภาพในการเพิ่มปริมาณ GABA กระบวนการนี้ได้รับการพัฒนาเพื่อเพิ่มคุณค่าทางโภชนาการของน้ำหมักสับปะรด และช่วยเพิ่มมูลค่าให้กับผลผลิตสับปะรดไทยที่มีราคาต่ำมาเป็นเวลานาน การศึกษานี้มุ่งเน้นไปที่การหาสภาวะที่เหมาะสมสำหรับการผลิต GABA โดยพิจารณาปัจจัยต่าง ๆ เช่น ปริมาณน้ำตาล ค่า pH ระยะเวลาการหมัก และความเข้มข้นของ L-glutamate รวมถึงการเพาะเลี้ยงร่วมกันระหว่างโพรไบโอติกและแบคทีเรียกรดอะซิติก การทดลองดำเนินการโดยใช้เทคนิคการหมักแบบควบคุม และวิเคราะห์องค์ประกอบทางชีวภาพของน้ำหมักโดยใช้เครื่องมือขั้นสูง เช่น HPLC และ GC-MS ผลการวิจัยคาดว่าจะนำไปสู่การพัฒนาสูตรและกระบวนการผลิตเครื่องดื่มน้ำสับปะรดที่มีปริมาณ GABA สูง ซึ่งมีประโยชน์ต่อสุขภาพ เช่น ช่วยลดความเครียด ส่งเสริมการทำงานของสมอง และเพิ่มศักยภาพของอุตสาหกรรมอาหารหมักในประเทศไทย