งานวิจัยนี้นำเสนอตัวแบ่งกำลังของวิลคินสันโดยใช้ตัวเหนี่ยวนำร่วม โทโพโลยีแบบรวมกลุ่มใช้การสูญเสียตัวเหนี่ยวนำโดยธรรมชาติเป็นส่วนหนึ่งของการออกแบบ ดังนั้นจึงสามารถละเว้นตัวต้านทานแบบเดิมสำหรับการแยกตัวสูงได้ ดังนั้นจึงสามารถบรรลุประสิทธิภาพการสูญเสียต่ำและการแยกสูงของวงจรขนาดกะทัดรัด ตัวแบ่งความถี่ 2.5 GHz ที่เสนอนั้นถูกนำไปใช้กับกระบวนการอุปกรณ์แบบพาสซีฟแบบรวมที่ใช้ซิลิคอน การวัดชิปต้นแบบมีค่าสัมประสิทธิ์การสะท้อนต่ำกว่า 18 dB ที่พอร์ตทั้งหมด การสูญเสียการแทรก 0.5 dB และการแยกสัญญาณที่สูงกว่า 28 dB ขนาดชิปเป็นเพียงความยาวคลื่น 0.011 x 0.019 ความยาวคลื่น
ตัวกระจายสัญญาณวิลกินสัน (WPD) ในรูปแบบวงจรรวมได้รับการศึกษาอย่างกว้างขวางในช่วงความถี่ไมโครเวฟและคลื่นมิลลิเมตร วงจรสายส่งแบบรวมถูกนำมาใช้แทนสายส่งแบบกระจายในการออกแบบตัวแบ่งกำลังไฟฟ้าความถี่เดียว แบนด์คู่ แบนด์กว้าง และแบนด์กว้างพิเศษ [1-12] วงจรสายส่งแบบรวมโดยทั่วไปจะอยู่ในรูปแบบของสายส่งแบบขวามือ (หรือแบบธรรมดา) แต่สายส่งแบบซ้ายมือและแบบผสมขวา/ซ้ายมือก็พบได้ในแอปพลิเคชันต่างๆ มากมายเช่นกัน [13] ในการวิจัยนี้ เราจะเสนอวิธีการออกแบบใหม่โดยใช้ตัวเหนี่ยวนำร่วมตัวเดียวเพื่อนำไปใช้กับตัวแบ่งกำลังไฟฟ้าวิลกินสันแบบกะทัดรัด ตัวต้านทานในตัวแบ่งกำลังไฟฟ้าวิลกินสันถูกละเว้น เนื่องจากการออกแบบใช้การสูญเสียโดยธรรมชาติของตัวเหนี่ยวนำ เพื่อลดกระบวนการปิดบังตัวต้านทานจึงสามารถลดได้ในการผลิตวงจรรวม มีการเพิ่มตัวเก็บประจุเพิ่มเติมเพื่อสร้างวงจรเรโซแนนซ์สำหรับการจับคู่ ดังนั้นแม้จะมีส่วนประกอบจำนวนน้อยและมีตัวเหนี่ยวนำคุณภาพต่ำ แต่วงจรดังกล่าวก็ยังมีประสิทธิภาพดีกว่าวงจรแบบเดิม
คณะวิศวกรรมศาสตร์
การบูรณาการระบบหุ่นยนต์อัจฉริยะเข้าสู่สภาพแวดล้อมที่มุ่งเน้นมนุษย์ เช่น ห้องปฏิบัติการ โรงพยาบาล และสถาบันการศึกษา มีความสำคัญมากขึ้นเนื่องจากความต้องการที่เพิ่มขึ้นสำหรับผู้ช่วยที่เข้าถึงได้และตระหนักถึงบริบท อย่างไรก็ตาม โซลูชันในปัจจุบันมักขาดความสามารถในการปรับขนาด เช่น การพึ่งพาบุคลากรเฉพาะทางเพื่อตอบคำถามเดิมซ้ำๆ ในฐานะผู้ดูแลระบบของแผนกเฉพาะ และการขาดความสามารถในการปรับตัวให้เข้ากับสภาพแวดล้อมแบบไดนามิกที่ต้องการการตอบสนองตามสถานการณ์แบบเรียลไทม์ งานวิจัยนี้นำเสนอกรอบแนวคิดใหม่สำหรับผู้ช่วยหุ่นยนต์เชิงโต้ตอบ (Beckerle et al., 2017) ที่ออกแบบมาเพื่อช่วยในระหว่างการเยี่ยมชมห้องปฏิบัติการและบรรเทาความท้าทายที่เกิดจากข้อจำกัดด้านทรัพยากรบุคคลในการให้ข้อมูลที่ครอบคลุมแก่ผู้เยี่ยมชม ระบบที่นำเสนอทำงานผ่านหลายโหมด รวมถึงโหมดสแตนด์บายและโหมดจดจำ เพื่อให้แน่ใจว่ามีการโต้ตอบที่ราบรื่นและสามารถปรับตัวได้ในบริบทต่างๆ ในโหมดสแตนด์บาย หุ่นยนต์จะแสดงสัญญาณความพร้อมผ่านแอนิเมชันใบหน้ายิ้มขณะลาดตระเวนตามเส้นทางที่กำหนดไว้ล่วงหน้าหรือประหยัดพลังงานเมื่อต้องหยุดนิ่ง การตรวจจับสิ่งกีดขวางขั้นสูงช่วยให้มั่นใจในความปลอดภัยขณะเคลื่อนที่ในสภาพแวดล้อมแบบไดนามิก ส่วนโหมดจดจำจะเปิดใช้งานผ่านท่าทางหรือคำปลุก โดยใช้เทคโนโลยีวิชันคอมพิวเตอร์ขั้นสูงและระบบรู้จำเสียงพูดแบบเรียลไทม์เพื่อตรวจจับผู้ใช้ การจดจำใบหน้าช่วยจำแนกบุคคลว่าเป็นที่รู้จักหรือไม่รู้จัก พร้อมทั้งมอบคำทักทายเฉพาะบุคคลหรือคำแนะนำตามบริบทเพื่อเพิ่มการมีส่วนร่วมของผู้ใช้ หุ่นยนต์ต้นแบบและการออกแบบ 3 มิติแสดงไว้ในรูปที่ 1 ในโหมดโต้ตอบ ระบบได้บูรณาการเทคโนโลยีขั้นสูงหลายประการ เช่น การรู้จำเสียงพูดขั้นสูง (ASR Whisper) การประมวลผลภาษาธรรมชาติ (NLP) และโมเดลภาษาขนาดใหญ่ Ollama 3.2 (LLM Predictor, 2025) เพื่อมอบประสบการณ์ที่ใช้งานง่าย รับรู้บริบท และสามารถปรับตัวได้ โดยได้รับแรงบันดาลใจจากความต้องการมีส่วนร่วมกับนักศึกษาและส่งเสริมความสนใจในภาควิชา RAI ซึ่งมีผู้เยี่ยมชมมากกว่า 1,000 คนต่อปี ระบบนี้ช่วยแก้ไขปัญหาการเข้าถึงข้อมูลในกรณีที่ไม่มีเจ้าหน้าที่มนุษย์ ด้วยการตรวจจับคำปลุก การจดจำใบหน้าและท่าทาง และการตรวจจับสิ่งกีดขวางด้วย LiDAR หุ่นยนต์จึงสามารถสื่อสารภาษาอังกฤษได้อย่างราบรื่น พร้อมทั้งนำทางอย่างปลอดภัยและมีประสิทธิภาพ ระบบปฏิสัมพันธ์แบบ Retrieval-Augmented Generation (RAG) สื่อสารกับหุ่นยนต์เคลื่อนที่ที่สร้างบน ROS1 Noetic โดยใช้โปรโตคอล MQTT ผ่านเครือข่าย Ethernet ระบบนี้เผยแพร่เป้าหมายการนำทางไปยังโมดูล move_base ใน ROS ซึ่งจัดการการนำทางและหลีกเลี่ยงสิ่งกีดขวางโดยอัตโนมัติ แผนผังอธิบายระบบแสดงไว้ในรูปที่ 2 กรอบแนวคิดนี้ประกอบด้วยสถาปัตยกรรมแบ็กเอนด์ที่แข็งแกร่ง โดยใช้ MongoDB สำหรับการจัดเก็บและดึงข้อมูล รวมถึงกลไก RAG (Thüs et al., 2024) ในการประมวลผลข้อมูลหลักสูตรในรูปแบบ PDF เพื่อให้แน่ใจว่าหุ่นยนต์สามารถให้คำตอบที่ถูกต้องและเหมาะสมกับบริบทแก่ผู้ใช้ นอกจากนี้ การใช้แอนิเมชันใบหน้ายิ้มและระบบแปลงข้อความเป็นเสียง (TTS BotNoi) ยังช่วยเพิ่มอัตราการมีส่วนร่วมของผู้ใช้ ผลลัพธ์จากการศึกษาสังเกตการณ์และแบบสำรวจพบว่าระบบมีการปรับปรุงอย่างมีนัยสำคัญในด้านความพึงพอใจของผู้ใช้และการเข้าถึงข้อมูล เอกสารฉบับนี้ยังกล่าวถึงความสามารถของหุ่นยนต์ในการทำงานในสภาพแวดล้อมแบบไดนามิกและพื้นที่ที่เน้นมนุษย์ เช่น การจัดการกับการรบกวนระหว่างปฏิบัติภารกิจ การออกแบบแบบแยกส่วนช่วยให้สามารถผสานรวมฟีเจอร์เพิ่มเติม เช่น การจดจำท่าทางและการอัปเกรดฮาร์ดแวร์ได้ง่าย ซึ่งช่วยให้ระบบสามารถขยายขีดความสามารถในระยะยาวได้ อย่างไรก็ตาม มีข้อจำกัดบางประการ เช่น ต้นทุนการติดตั้งเริ่มต้นที่สูงและการพึ่งพาการกำหนดค่าฮาร์ดแวร์เฉพาะ ในอนาคต งานวิจัยจะมุ่งเน้นไปที่การเพิ่มความสามารถในการรองรับภาษาต่างๆ การขยายกรณีการใช้งาน และการสำรวจปฏิสัมพันธ์แบบร่วมมือกันระหว่างหุ่นยนต์หลายตัว โดยสรุป ผู้ช่วยหุ่นยนต์เชิงโต้ตอบที่นำเสนอในงานวิจัยนี้เป็นก้าวสำคัญในการเชื่อมโยงความต้องการของมนุษย์เข้ากับความก้าวหน้าทางเทคโนโลยี ด้วยการผสานรวมเทคโนโลยีปัญญาประดิษฐ์ล้ำสมัยเข้ากับโซลูชันฮาร์ดแวร์ที่ใช้งานได้จริง งานวิจัยนี้จึงนำเสนอระบบที่สามารถขยายขีดความสามารถ มีประสิทธิภาพ และเป็นมิตรกับผู้ใช้ ซึ่งช่วยเพิ่มการเข้าถึงข้อมูลและการมีส่วนร่วมของผู้ใช้ในสภาพแวดล้อมที่มุ่งเน้นมนุษย์
คณะเทคโนโลยีสารสนเทศ
โครงงานนี้จึงได้พัฒนาระบบปัญญาประดิษฐ์สำหรับระบุชนิดเครื่องมือทันตกรรมหัตถการเพื่อตรวจนับจำนวนด้วยวิธีการเรียนรู้เชิงลึก โดยเป็นการตรวจนับความครบถ้วนของอุปกรณ์ที่นำไปใช้ มีใช้วิธีการตรวจจับวัตถุ(Object Detection) ซึ่งการตรวจจับวัตถุช่วยให้สามารถตรวจจับอุปกรณ์ทันตกรรหัตถการทั้งหมดหลังจากการใช้งาน เพื่อเพิ่มประสิทธิภาพ ความแม่นยำ อีกทั้งสามารถตรวจนับเครื่องมือต่างๆได้พร้อมกันหลายๆภาพเพื่อช่วยลดเวลาและความล่าช้าในกระบวนการตรวจสอบและนับจำนวนเครื่องมือทั้งหมด รวมถึงข้อมูลจำนวนและชนิดของอุปกรณ์ สามารถส่งออกไปยังฐานข้อมูลเพื่อนำข้อมูลไปใช้งานต่อได้อีกด้วย
คณะวิศวกรรมศาสตร์
-