โครงการที่ประกอบด้วยศูนย์การค้าชุมชน ศูนย์กลางข้อมูลทางเกษตรกรรมที่มีศูนย์ข้อมูล พื้นที่โรงประลอง ห้องสมุดวัสดุและการปลูกพืชแนวตั้ง รวมถึงบ้านพักอาศัยแบบโฮมออฟฟิศ 4 จำนวนหลัง
เพื่อส่งเสริมเศรษฐกิจชุมชน ส่งต่อองค์ความรู้ทางการเกษตร และทดลองการปลูกข้าวแนวตั้ง
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
การรักษาผู้ป่วยมะเร็งในแผนกเคมีบำบัดของโรงพยาบาลมะเร็งชลบุรีมีขั้นตอนที่ยุ่งยากและไม่สะดวก เนื่องจากกระบวนการส่งผลตรวจเลือดผ่านแอปพลิเคชันไลน์ส่วนตัวของเจ้าหน้าที่ทางการแพทย์ ทำให้การดำเนินงานขาดความคล่องตัว ด้วยเหตุนี้ ผู้วิจัยจึงพัฒนาโปรแกรมบริหารจัดการและติดตามผู้ป่วยมะเร็งในรูปแบบเว็บแอปพลิเคชัน (web-based application) และแอปพลิเคชันไลน์ LINE LIFF (LINE Front-end Framework) เพื่ออำนวยความสะดวกให้กับทั้งบุคลากรทางการแพทย์และผู้ป่วย ระบบเว็บแอปพลิเคชันออกแบบมาเพื่อใช้โดยบุคลากรทางการแพทย์ในการติดตาม นัดหมาย และเก็บข้อมูลผู้ป่วย ส่วนแอปพลิเคชันไลน์ ออกแบบสำหรับผู้ป่วยในการส่งผลตรวจเลือด ดูตารางนัดหมาย บันทึกอาการหลังรับยาเคมีบำบัด บันทึกค่าน้ำหนักของผู้ป่วยทุกสัปดาห์ และแชทบอทสำหรับให้คำปรึกษาแก่ผู้ป่วย ระบบนี้พัฒนาบนพื้นฐานของเทคโนโลยีไคลเอนต์-เซิร์ฟเวอร์ ซึ่งช่วยเพิ่มประสิทธิภาพการวิเคราะห์ข้อมูลและสนับสนุนการวางแผนการรักษาอย่างอัตโนมัติ ส่งผลให้กระบวนการรักษาผู้ป่วยมะเร็งมีความรวดเร็ว ทันสมัย และมีประสิทธิภาพมากยิ่งขึ้น
วิทยาเขตชุมพรเขตรอุดมศักดิ์
โครงงานนี้มุ่งเน้นการพัฒนาระบบติดตามงานสำหรับสมาชิกในทีม โดยใช้ภาษา Python ในการดึงข้อมูลจากไฟล์ Excel และนำเข้าสู่ฐานข้อมูล SQL Server เพื่อจัดการข้อมูลอย่างเป็นระบบ ระบบนี้มีฟังก์ชันการแจ้งเตือนสถานะงานผ่าน LINE และแสดงผลรายงานผ่าน Power BI เพื่อให้หัวหน้างานสามารถติดตามความคืบหน้าและประเมินผลงานของสมาชิกในทีมได้อย่างมีประสิทธิภาพ นอกจากนี้ ระบบยังช่วยส่งเสริมทักษะการบริหารจัดการงานและเวลาให้กับสมาชิกในทีมอีกด้วย