โครงการนี้มีเป้าหมายเพื่อพัฒนาศักยภาพการใช้พลังงานในอนาคต Net Zero ของกรุงเทพครั้งใหม่ โดยมีเป้าหมายที่จะตอบข้อบกพร่องของโครงสร้างเมืองในปัจจุบัน ซึ่งยังคงไม่มีประสิทธิภาพและก่อมลพิษอย่างมาก ในทางกลับกันโครงการนี้สามารถผลิตพลังงานและส่งพลังงานส่วนเกินกลับคืนสู่เมืองและชุมชนโดยรอบ
โครงการนี้เริ่มต้นจากความสนใจส่วนตัวในด้านสิ่งแวดล้อมและ Green Design โดยณปัจจุบันโลกกำลังเผชิญกับวิกฤตสภาพภูมิอากาศ ซึ่งตอนนี้อุณหภูมิโลกได้เพิ่มสูงขึ้นถึงระดับ 1.5°C และกำลังเข้าใกล้ขีดจำกัด 2°C เพื่อรับมือกับสถานการณ์นี้องค์กร United Nations ได้กำหนดเป้าหมายใว้ในปี 2015 ในการบรรลุ Carbon Net Zero ภายในปี 2050 โครงการนี้ทำขึ้นเพื่อเป็นจุดเริ่มต้นของการเปลี่ยนแปลงในสถาปัตยกรรมสู่อนาคต
คณะวิทยาศาสตร์
เนื่องจากสายพันธุ์ Enterococcus lactis มีความใกล้ชิดกับ E. faecium และ ด้านคุณสมบัติที่เป็นประโยชน์และมีผลทางโปรไบโอติก ในการศึกษานี้ สายพันธุ์ RRS4 ถูกแยกจากหัวไช้เท้าดอง (Raphanus sativus Linn.) และทำการระบุชนิดโดยอาศัยลักษณะทางฟีโนไทป์และจีโนไทป์ สายพันธุ์ RRS4 แสดงความสามารถในการอยู่รอดในสภาวะแวดล้อมที่มี NaCl 2-8% ค่า pH ระหว่าง 4 ถึง 9 และอุณหภูมิระหว่าง 4°C ถึง 45°C การวิเคราะห์จีโนมแบบครอบคลุมยืนยันว่า RRS4 เป็น E. lactis นอกจากนี้ E. lactis RRS4 ยังแสดงฤทธิ์ยับยั้งเชื้อ E. faecalis JCM 5803 ที่ดื้อต่อวานโคมัยซิน การประเมินความปลอดภัยโดยใช้วิธี in silico รวมถึงการวิเคราะห์ด้วย KEGG annotation พบว่า E. lactis RRS4 ไม่มียีนที่เกี่ยวข้องกับความรุนแรงของเชื้อหรือยีนที่ไม่พึงประสงค์ การวิเคราะห์ด้วย VirulenceFinder พบว่ายีนที่เกี่ยวข้องกับความรุนแรงของเชื้อมีความสอดคล้องกับยีนใน E. lactis สามสายพันธุ์ และ E. faecium สี่สายพันธุ์ แม้ว่าจะพบว่ายีนต้านทานยาปฏิชีวนะยังคงมีอยู่ แต่ไม่มีความสัมพันธ์กับลักษณะการก่อโรคที่สำคัญ นอกจากนี้ การประเมินความปลอดภัยยังชี้ให้เห็นว่า E. lactis RRS4 มีความปลอดภัยโดยทั่วไป แม้ว่าจะมียีนที่เกี่ยวข้องกับการดื้อยาปฏิชีวนะก็ตาม สุดท้ายนี้ เราขอเสนอแนวทางในการประเมินความปลอดภัยของสายพันธุ์จุลินทรีย์โดยใช้การวิเคราะห์จีโนมทั้งหมด ซึ่งผลการศึกษานี้เป็นก้าวสำคัญในการวิจัยโปรไบโอติก
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
คณะวิทยาศาสตร์
การดำเนินการวิจัยนี้จะเริ่มจากการทบทวนวรรณกรรมและงานวิจัยที่เกี่ยวข้องเพื่อศึกษาเทคโนโลยีและวิธีการที่มีอยู่ในปัจจุบันสำหรับการรู้จำท่าทางมือและการประยุกต์ใช้ในการควบคุมอุปกรณ์อิเล็กทรอนิกส์ เช่น โดรน หุ่นยนต์ หรือการเล่นเกม ฯลฯ เป็นต้น จากนั้นจะทำการออกแบบและพัฒนาระบบการรู้จำท่าทางมือโดยใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) และการประมวลผลภาพ โดยเน้นการพัฒนาอัลกอริทึมที่สามารถทำงานได้อย่างรวดเร็วและแม่นยำ เหมาะสมกับการควบคุมแบบเรียลไทม์ ระบบที่พัฒนาขึ้นจะถูกทดสอบและปรับปรุงโดยใช้สถานการณ์จำลองต่าง ๆ เพื่อประเมินประสิทธิภาพและความแม่นยำในสภาพแวดล้อมที่หลากหลาย นอกจากนี้ ยังมีการพัฒนาส่วนติดต่อผู้ใช้ (User Interface) ที่ใช้งานง่ายและเป็นมิตรกับผู้ใช้ทุกกลุ่ม รวมถึงการทำวิจัยเชิงคุณภาพเพื่อรับฟังความคิดเห็นและข้อเสนอแนะจากผู้ใช้ทั้งมือใหม่และผู้เชี่ยวชาญ ซึ่งจะนำไปสู่การปรับปรุงและพัฒนาระบบให้ตอบสนองความต้องการของผู้ใช้ได้อย่างแท้จริง ในท้ายที่สุด ผลการวิจัยนี้จะนำไปสู่การพัฒนาต้นแบบระบบควบคุมด้วยการรู้จำท่าทางมือที่มีประสิทธิภาพ ซึ่งสามารถนำไปประยุกต์ใช้ได้จริงในอุตสาหกรรมและการบันเทิง อันจะนำไปสู่การพัฒนานวัตกรรมและเทคโนโลยีใหม่ ๆ ในอนาคต