Computer Engineering Commons^™

Specification And Implementation Of Arm Isa Using Adl, Jonathan A. Rabideau

Dissertations, Master's Theses and Master's Reports

In this project, we implement a specification of ARM ISA using the ADL system. Current progress includes 79% of planned instructions, 79% of which are complete for our purposes, and also includes components such as a proxy kernel and a temporary preprocessor. Simple programs compiled directly from gcc can already be properly assembled and simulated using the tools generated by ADL. Once the specification is complete, we can integrate it with other components for testing ideas and theories. This report covers our progress and future plans regarding this project, including some background material and problem solutions.

Implementing Associative Learning Using Neuromorphic Robot, Vinay Kumar Pillalamarri

Dissertations, Master's Theses and Master's Reports

Associative learning, a key cognitive process seen across the animal kingdom, enables organisms to form connections between stimuli and adapt their behaviors based on past experiences. A particularly powerful example is fear conditioning, where animals learn to associate a neutral stimulus with an aversive one, allowing them to predict and avoid potential threats. Inspired by this mechanism, this project implements associative learning on an unmanned ground vehicle (UGV) to develop adaptive behavior through neuromorphic principles. Utilizing Nengo for neural modeling, the UGV learns to associate visual (red color) and tactile (vibration) stimuli through Hebbian learning, a biologically inspired synaptic adaptation …

Leveraging Large Language Models For Enhancing Well-Being In The Digital Age, Xiaobo Guo

Dartmouth College Ph.D Dissertations

The 21st century has seen dramatic shifts in human interactions with information, peers, and the environment, primarily driven by the proliferation of online platforms and social media. These advancements offer more access to information and global connectivity, but also present challenges such as information overload, misinformation, online harms, and biased reporting that can negatively impact user well-being. This thesis examines the role of Large Language Models (LLMs) — advanced forms of artificial intelligence that understand and generate human-like text — in enhancing well-being in the digital age. The study begins by exploring the potential of LLMs to detect early signs …

An Fpga-Based Eit System For Deep Space Medical Imaging, Kendall R. Farnham

Dartmouth College Ph.D Dissertations

Dangers associated with high radiation and microgravity exposure in space are critical challenges inhibiting us from exploring deep space and pursuing long-duration missions, as current medical systems are unable to monitor, diagnose, or treat tissue injury within physical spacecraft constraints and communication limits. Ultrasound (US) is the current imaging system used on the International Space Station, but this technology relies on telemedical support (or onboard artificial intelligence/autonomous capabilities) for both operation and diagnosis, posing challenges for crews isolated in deep space. Electrical impedance tomography (EIT) is a non-invasive, non-ionizing technology that produces images of the electrical properties of tissues and …

Smart Dog Door, Andrew Shetler, William Boissoneault, Jacob Stump, Benjamin Charlson

Williams Honors College, Honors Research Projects

With modern life getting busier and more complex, many have turned to autonomous assistance for taking care of pets. The objective of this project is to design and prototype a device and application that will allow only certain dogs to enter and exit through a dog door while making the owners aware of their dog's activity. The dog door will utilize wireless communication from the dog to the door to control the status of the door’s lock and update the database that will send updates to the application. The application will keep track of when the dog enters and exits …

Mobile Robot Adhesion Methodology And Development Of An Automatous Robot Module, Lauren Baird, Zachariah Stone, Madison Lemons, Jonathon Moody

Williams Honors College, Honors Research Projects

Due to the increasing availability of space travel as not only a scientific exploration but a commercial exploration, there is a need for an onsite repair station that can be deployed in the event of aircraft maintenance, damage, or failure. We have been tasked with researching and creating a prototype of an automatous robot that can be attached to a spacecraft body, move along the surface while avoiding obstacles, scan for damage, 3D print a repair piece, and then make the repair, all without the need of direct human input. Our team, as will be discussed throughout, was tasked with …

Improved Portable Back Pain Relief Device With User Interface, Zachary Bobango, Samuel J. Dauterman, Benjamin Bowman

Williams Honors College, Honors Research Projects

The objective of this project is to design and create a massage system that is user interactive, portable, safe, efficient, and comfortable. The system should allow for user feedback from an outside peripheral such as a phone to be able to modify the system. Some challenges facing the implementation of such a system include: ensuring the product can withstand substantial force without breaking or malfunctioning while simultaneously being light enough for a consumer to carry without difficulty, engineering the massage heads to be able to move in multiple different motion types, creating the software that can control the device, and …

Managing Inventory With A Database, David Bartlett

Williams Honors College, Honors Research Projects

Large commercial companies often use warehouses to store and organize their product inventory. However, manually keeping track of inventory through physical means can be a tedious process and is at risk for a variety of potential issues. It is very easy for records to be inaccurate or duplicated, especially if large reorganizations are undertaken, as this can cause issues such as duplicate product ID numbers. Therefore, it was decided that an inventory management system utilizing a SQL database should be created. The system needed to have capabilities including allowing the entry of product information, the ability to search database records …

Neurosymbolic Value-Inspired Ai (Why, What, And How), Amit Sheth, Kaushik Roy

Publications

The rapid progression of Artificial Intelligence (AI) systems, facilitated by the advent of Large Language Models (LLMs), has resulted in their widespread application to provide human assistance across diverse industries. This trend has sparked significant discourse centered around the ever-increasing need for LLM-based AI systems to function among humans as part of human society, sharing human values, especially as these systems are deployed in high-stakes settings (e.g., healthcare, autonomous driving, etc.). Towards this end, neurosymbolic AI systems are attractive due to their potential to enable easy-tounderstand and interpretable interfaces for facilitating valuebased decision-making, by leveraging explicit representations of shared values. …

K-Perm: Personalized Response Generation Using Dynamic Knowledge Retrieval And Persona-Adaptive Queries, Kanak Raj, Kaushik Roy, Vamshi Bonagiri, Priyanshul Govil, Krishnaprasad Thirunarayan, Raxit Goswami, Manas Gaur

Publications

Personalizing conversational agents can enhance the quality of conversations and increase user engagement. However, they often lack external knowledge to tend to a user’s persona appropriately. This is particularly crucial for practical applications like mental health support, nutrition planning, culturally sensitive conversations, or reducing toxic behavior in conversational agents. To enhance the relevance and comprehensiveness of personalized responses, we propose using a two-step approach that involves (1) selectively integrating user personas and (2) contextualizing the response with supplementing information from a background knowledge source. We develop K-PERM (Knowledge-guided PErsonalization with Reward Modulation), a dynamic conversational agent that combines these elements. …

Causal Event Graph-Guided Language-Based Spatiotemporal Question Answering, Kaushik Roy, Alessandro Oltramari, Yuxin Zi, Chathurangi Shyalika, Vignesh Narayanan, Amit Sheth

Publications

Large Language Models have excelled at encoding and leveraging language patterns in large text-based corpora for various tasks, including spatiotemporal event-based question answering (QA). However, due to encoding a text-based projection of the world, they have also been shown to lack a fullbodied understanding of such events, e.g., a sense of intuitive physics, and cause-and-effect relationships among events. In this work, we propose using causal event graphs (CEGs) to enhance language understanding of spatiotemporal events in language models, using a novel approach that also provides proofs for the model’s capture of the CEGs. A CEG consists of events denoted by …

Exploring Alternative Approaches To Language Modeling For Learning From Data And Knowledge, Yuxin Zi, Kaushik Roy, Vignesh Narayanan, Amit Sheth

Publications

Despite their wide applications to language understanding tasks, large language models (LLMs) still face challenges such as hallucinations - the occasional fabrication of information, and alignment issues - the lack of associations with human-curated world models (e.g., intuitive physics or common-sense knowledge). Additionally, the black-box nature of LLMs makes it highly challenging to train them meaningfully in order to achieve a desired behavior. Specifically, the attempt to adjust LLMs’ concept embedding spaces can be highly intractable, which involves analyzing the implicit impact on LLMs’ numerous parameters and the resulting inductive biases. This paper proposes a novel architecture that wraps powerful …

Tutorial: Knowledge-Infused Artificial Intelligence For Mental Healthcare, Kaushik Roy

Publications

Artificial Intelligence (AI) systems for mental healthcare (MHCare) have been ever-growing after realizing the importance of early interventions for patients with chronic mental health (MH) conditions. Social media (SocMedia) emerged as the go-to platform for supporting patients seeking MHCare. The creation of peer-support groups without social stigma has resulted in patients transitioning from clinical settings to SocMedia supported interactions for quick help. Researchers started exploring SocMedia content in search of cues that showcase correlation or causation between different MH conditions to design better interventional strategies. User-level Classification-based AI systems were designed to leverage diverse SocMedia data from various MH conditions, …

Proknow: Process Knowledge For Safety Constrained And Explainable Question Generation For Mental Health Diagnostic Assistance In The Age Of Large Language Models, Kaushik Roy, Manas Gaur, Misagh Soltani, Vipula Rawte, Ashwin Allen, Amit P. Sheth

Publications

Current Virtual Mental Health Assistants (VMHAs) primarily offer counseling and suggestive care but do not assist with patient diagnosis due to their lack of training in safety-constrained and specialized clinical process knowledge, referred to as ProKnow. In this work, we define ProKnow as an ordered set of information aligned with evidence-based guidelines or categories of conceptual understanding used by domain experts. We also introduce a new dataset of diagnostic conversations guided by safety constraints and Pro- Know, known as ProKnow-data. We develop a method for natural language question generation (NLG) designed to interactively gather diagnostic information from patients, termed ProKnow-algo. …

Reinforcement Learning From Human Feedback For Ethically Robust Ai Decision-Making, Marco M. Plasencia

Honors Undergraduate Theses

The emergence of reinforcement learning from human feedback (RLHF) has made great strides toward giving AI decision-making the ability to learn from external human advice. In general, this machine learning technique is concerned with producing agents that learn to work toward optimizing and achieving some goal, advanced by interactions with the environment and feedback given in terms of a quantifiable reward. In the scope of this project, we seek to merge the intricate realms of AI robustness, ethical decision-making, and RLHF. With no way to truly quantify human values, human feedback is an essential bridge in the learning process, allowing …

A Memory Efficient Deep Recurrent Q-Learning Approach For Autonomous Wildfire Surveillance, Jeremy A. Cantor

UNF Graduate Theses and Dissertations

Previous literature demonstrates that autonomous UAVs (unmanned aerial vehicles) have the po- tential to be utilized for wildfire surveillance. This advanced technology empowers firefighters by providing them with critical information, thereby facilitating more informed decision-making processes. This thesis applies deep Q-learning techniques to the problem of control policy design under the objective that the UAVs collectively identify the maximum number of locations that are under fire, assuming the UAVs can share their observations. The prohibitively large state space underlying the control policy motivates a neural network approximation, but prior work used only convolutional layers to extract spatial fire information from …

Transformer-Enabled Deep Reinforcement Learning For Coverage Path Planning, Daniel B. Tiu

UNF Graduate Theses and Dissertations

Coverage path planning (CPP) is the problem of covering all points in an environment and is a well-researched topic in robotics due to its sheer practical relevance. This paper investigates such an offline CPP problem where the primary objective is to minimize the path length to achieve complete coverage. Furthermore, the literature suggests that taking turns leads to a higher energy use than going straight. To this end, we design a novel objective function that aims to minimize the number of turns as well. We have proposed a deep reinforcement learning (DRL)-based framework that uses a Transformer model. Unlike state-of-the-art …

Explainable Automated Inconsistency Detection In Biomedical And Health Literature, Prajwol Lamichhane

UNF Graduate Theses and Dissertations

Given the exponential growth of scientific information online, researchers often face the daunting task of detecting contradictory statements on crucial health topics. This work develops a comprehensive pipeline for automated contradiction detection that integrates an Information Retrieval (IR) system, machine learning classifiers, and Explainable AI (XAI). The Information Retrieval system is tailored for biomedical data and comprises a datastore, syntactic, and semantic components. Users can input queries, initiating a pipeline that identifies top documents through syntactic analysis and refines results via semantic examination for relevant research claims. Employing a diverse range of Large Language Models such as pre-trained Distil-BERT, BioBERT, …

Implementation Of Algorithms For Sorting By Strip Swaps Using Alternating Cycle Graphs, Harsh S. Bhakharia

UNF Graduate Theses and Dissertations

Challenges in computational biology, such as genome rearrangement, and applications in optical character recognition, like zoning techniques, often require solving optimization problems. These involve reordering scrambled sequences of numbers into a sequential arrangement known as the identity permutation.

Rearranging any given permutation into the identity permutation with the minimum number of specific operations related to strips gives rise to various combinatorial optimization scenarios. Operations such as strip moves, transpositions, reversals, and block interchanges have been extensively researched.

This thesis builds on the foundational work of Roy et al., targeting the refinement of their cycle graph algorithm for sorting by strip …

Large Language Models For Multimodal User Interaction In A Virtual Environment, Ahmed A. Sayed

UNF Graduate Theses and Dissertations

Virtual Reality (VR) is increasingly popular, but many barriers exist for individuals with little experience in coding, 3D modeling, or creating their own virtual experiences. The current tools used for content creation are often viewed as complex or frustrating, and they exhibit a steep learning curve. This problem presents an opportunity to develop tools incorporating Natural User Interfaces that better support end users. One such possible tool to assist users is Large Language Models (LLM), which can, extract a user's intention through speech or text. We posit how using LLMs can better support novice and expert developers alike, and using …

Robotic Gas Source Localization And Distribution Mapping Via Deep Reinforcement Learning, Iliya Kulbaka

UNF Graduate Theses and Dissertations

This research aims to advance the fields of Gas Source Localization (GSL) and Gas Distribution Mapping (GDM) by developing deep reinforcement learning (DRL) methodologies suitable for complex, real-world environments. GSL and GDM are crucial for applications such as environmental monitoring, hazardous material detection, and search-and-rescue missions, where safe and efficient exploration is essential. Traditional methods often fall short in dynamic settings influenced by factors like wind and obstacles. To address these limitations, this study proposes novel neural network architectures and learning frameworks for adaptive exploration and mapping, integrating Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM) layers, and Deep Q-Networks …

Algorithms For Coordinating Multiple Autonomous Vehicles Under Various Constraints With Emphasis On Workload Balancing, Abhishek Patil

Dissertations, Master's Theses and Master's Reports

This dissertation focuses on developing algorithms to solve the problem of coordinating multiple autonomous vehicles under various constraints, aiming to produce practical solutions for real-world applications. Built upon three journal publications addressing two coordination-related problems in different domains, this research document tackles the challenges of heterogeneity constraints and cable entanglement issues encountered by autonomous vehicle systems.

The first problem tackles task allocation and path planning for heterogeneous ground mobile vehicles operating in a 2D environment with asymmetric travel costs. By enhancing previous Primal-Dual approximation heuristic methods, novel techniques are introduced to manipulate dual variables and achieve balanced workload distribution, ultimately …

การใช้เหมืองกระบวนการข้อมูลแบบหลายชั้นสำหรับเพื่อวิเคราะห์วิถีการรักษาพยาบาลของผู้ป่วยโรคเบาหวาน, Kantapat Chaichareenon

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study addresses the challenge of chronic diseases like diabetes, requiring ongoing care. It aims to visualize revisit intervals affecting patient treatment using multi-level process mining and machine learning to identify factors causing missed appointments. Our research shows that patients with improvements have shorter revisit intervals than those deteriorating, with a P-value of 3.83x10%. A significant challenge is the high number of no-shows. Using PyCaret to compare 14 models, we found that the historical attendance of individual patients is a crucial factor in predicting no-shows, with an AUC score of 0.80 using the Gradient Boosting Clas-sifier. Our analysis suggests that …

การออกแบบและพัฒนาบริการด้านความมั่นคงโดยใช้วิธีปฏิบัติด้านความมั่นคง ของระบบแบบไมโครเซอร์วิส, สฤษฐิ์ราช ทรัพย์สิน

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อนำเสนอการออกแบบและพัฒนาไมโครเซอร์วิสด้านความมั่นคง โดยการประยุกต์ใช้แบบรูปความมั่นคง แบบรูปไมโครเซอร์วิส และวิธีปฏิบัติด้านความมั่นคงของระบบแบบ ไมโครเซอร์วิส โดยเริ่มจากการศึกษาแบบรูปความมั่นคง 5 รายการ ได้แก่ แบบรูปการออกแบบและใช้รหัสผ่าน แบบรูปการให้อำนาจ แบบรูปการควบคุมการเข้าถึงเชิงบทบาท แบบรูปการกำหนดสิทธิ์ให้กับบทบาท และแบบรูปความมั่นคงหลายระดับ เพื่อนำมากำหนดเป็นรายการความต้องการของระบบสำหรับการออกแบบและพัฒนาไมโครเซอร์วิสด้านความมั่นคง ร่วมกับการประยุกต์ใช้แบบรูปไมโครเซอร์วิสและวิธีปฏิบัติ ด้านความมั่นคงของระบบแบบไมโครเซอร์วิส 28 รายการ ผู้วิจัยได้ทำการออกแบบสถาปัตยกรรมระบบของไมโครเซอร์วิสด้านความมั่นคง ออกแบบแผนภาพคลาสและความสัมพันธ์ระหว่างคลาส ออกแบบแผนภาพลำดับแสดงการทำงานร่วมกันของระบบไมโครเซอร์วิสด้านความมั่นคง จากนั้นทำการพัฒนาไมโครเซอร์วิสด้านความมั่นคงตามการออกแบบ และประยุกต์ใช้ ไมโครเซอร์วิสด้านความมั่นคงกับระบบผู้ป่วยนอกของโรงพยาบาล อีกทั้งได้ตรวจสอบความถูกต้อง ความเหมาะสม และคุณภาพของการออกแบบและพัฒนา ด้วยการประเมินการออกแบบและพัฒนา ไมโครเซอร์วิสด้านความมั่นคงโดยผู้เชี่ยวชาญ รวมถึงการวิเคราะห์แบบรูปที่ไม่ดีของการออกแบบระบบแบบไมโครเซอร์วิส ซึ่งระบบที่พัฒนาสามารถนำไปประยุกต์ใช้กับแอปพลิเคชันโดเมนที่ต้องการจัดการความมั่นคงของระบบ ซึ่งมีประโยชน์คือช่วยลดเวลาในการพัฒนา และเป็นการสนับสนุนการใช้ซ้ำไมโครเซอร์วิสด้านความมั่นคงที่พัฒนาขึ้น

การแบ่งส่วนเนื้องอกตับโดยใช้โมเดลการเรียนรู้เชิงลึกด้วยโครงข่ายความสนใจจากรูปภาพสเปคซีที, วันรัฐ ลิ้มประไพพงษ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การแบ่งส่วนเนื้องอกในตับโดยอัตโนมัติจากภาพถ่ายทางการแพทย์มีบทบาทสำคัญในการช่วยลดภาระงานของรังสีแพทย์ในขั้นตอนการวางแผนรักษามะเร็งตับด้วยวิธีรังสีบำบัด โดยรูปสเปคซีทีมักถูกนำมาใช้เพื่อช่วยระบุส่วนเนื้องอกให้แม่นยำเพื่อให้การวางแผนการรักษามีประสิทธิภาพ อย่างไรก็ตาม การแบ่งส่วนเนื้องอกจากภาพเหล่านี้เป็นเรื่องท้าทายเนื่องจากปัญหาต่างๆ เช่น การกระจายแสงที่ผิดปกติ ทำให้ขนาดเนื้องอกดูใหญ่กว่าความเป็นจริงและลดความแม่นยำในการแบ่งส่วน งานวิจัยฉบับนี้ได้นำเสนอโครงข่ายคัดกรองหลายระดับแบบคู่ (Paired Multiscale Attention Network) ซึ่งเป็นสถาปัตยกรรมที่แบ่งออกเป็นสองทาง เส้นทางแรกฝึกฝนชุดข้อมูลสเปคซีทีโดยใช้โครงข่าย Multiscale Attention Network (MA-Net) เส้นทางที่สองมีการใช้การแปลงแบบไวซ์ท็อปแฮท (White Top-Hat) แล้วนำลักษณะเด่นที่ได้มาควบรวมกับเส้นทางแรก ช่วยลดความบกพร่องของการแบ่งส่วนที่มักเกิดจากความแปรปรวนของแสง ในงานวิจัยนี้จะแบ่งการทดสอบเป็นสองส่วน ส่วนแรกคือการทดสอบโมเดลแบ่งส่วนเนื้อตับ โดยใช้ MA-Net โดยมีโมเดลย่อยคือ ResNet50 ฝึกกับชุดข้อมูลซีทีโดยรวมระหว่างชุดข้อมูลสาธารณะ 3DIRCADb-01 และชุดข้อมูลจากโรงพยาบาลจุฬาลงกรณ์ สภากาชาดไทย โดยมีค่า Dice similarity coefficient (DSC) อยู่ที่ 89.67% ในส่วนการทดสอบโมเดลแบ่งส่วนเนื้องอกตับ จะใช้โครงข่ายคัดกรองหลายระดับแบบคู่ ฝึกด้วยชุดข้อมูล เทคนีเซียม-99 เอ็มเอเอ สเปคซีทีจากโรงพยาบาลจุฬาลงกรณ์ สภากาชาดไทยโดยมีค่า DSC ที่ 67.00% ซึ่งให้ประสิทธิภาพการแบ่งส่วนที่ดีที่สุดเมื่อเทียบกับสถาปัตยกรรมอื่นๆ รวมถึงผลจากงานวิจัยก่อนหน้านี้ที่ทดสอบด้วยชุดข้อมูลเดียวกัน

Improved Sequence Embeddings For Peptide-Class I Mhc Binding Prediction, Patiphan Wongklaew

Chulalongkorn University Theses and Dissertations (Chula ETD)

The binding of a peptide antigen to a class I major histocompatibility complex (MHC) protein is considered an essential process by which the immune system monitors infected cells. This mechanism has facilitated the development of peptide-based vaccines aimed at stimulating the patient's immune response for cancer treat-ment. Accurate prediction of peptide-MHC binding is therefore crucial for prioritizing optimal peptides tailored to individual patients. Nevertheless, many MHC alleles lack sufficient experimental data on peptide-MHC binding, which potentially constrains the accuracy of existing prediction models. This study introduces an enhanced iteration of MHCSeqNet, an open-source deep learning model which utilizes sequence data …

Improving Thai-Dialect Automatic Speech Recognition With Curriculum Learning, Artit Suwanbandit

Chulalongkorn University Theses and Dissertations (Chula ETD)

Automatic Speech Recognition (ASR) has been the foremost feature and integrated in many real-world usages for decades. The novel deep learning approaches prevail in the ASR field as a model architecture. However, ASR still struggles with low-resource data, especially in the Thai dialectal language. Transfer learning is the conventional approach in the machine learning field for escalating the performance of low-resource settings. In the scenario that additional fine-tuning tasks are not achievable, exerting all efficiency of target data is an accountability. To overcome stagnation, we proposed transfer-based curriculum learning for low-resource dialectal ASR, Phonemetically-induced subword Out-of-vocabulary rate (PhIS-OOV), and Model …

Grammatical Error Correction In Thai Sentences For Deaf Students, Supachan Traitruengsakul

Chulalongkorn University Theses and Dissertations (Chula ETD)

Deaf students encounter challenges in written communication due to errors such as insertion, deletion, disorder, misusage, and misspellings. Grammatical error correction (GEC) technology can help mitigate these issues. However, existing GEC models are primarily trained on online resources from second-language hearing learners. In contrast, sentences written by deaf students suffer from a variety of errors not typically found elsewhere. To address this issue, we create the Thai Deaf Corpus (TDC), focusing on identifying and analyzing errors among deaf students in grades 7-12 across four deaf schools. Additionally, we introduce a two-stage system for the Thai-GEC model, automatically detecting and correcting …

การสร้างเทสต์สคริปต์ของโรบอทเฟรมเวิร์คจากยูสเซอร์สตอรีและซีนาริโอ สำหรับการทดสอบเว็บแอปพลิเคชัน, กฤชวัฒน์ เวชสาร

Chulalongkorn University Theses and Dissertations (Chula ETD)

กระบวนการพัฒนาซอฟต์แวร์ด้วยสกรัมเฟรมเวิร์กและแนวคิดบีเฮฟเวียร์ดริเวนดีเวลลอปเมนต์ (BDD) เป็นกระบวนการที่ได้รับความนิยมในปัจจุบัน โดยความต้องการของผู้ใช้จะถูกเก็บรวบรวมและถ่ายทอดผ่านยูสเซอร์สตอรีและซีนาริโอ ซึ่งทำหน้าที่เป็นทั้งตัวอย่างและเกณฑ์การยอมรับ การแบ่งการพัฒนาออกเป็นช่วงเล็ก ๆ ช่วยลดเวลาและต้นทุนในการพัฒนา อย่างไรก็ตาม กระบวนการที่มีการพัฒนาเป็นช่วงสั้น ๆ อย่างต่อเนื่องนี้สร้างความท้าทายสำหรับการทดสอบ โดยเฉพาะการทดสอบเชิงถดถอย แม้ว่าการทดสอบแบบอัตโนมัติจะถูกนำมาใช้เพื่อลดภาระ แต่การเขียนเทสต์สคริปต์ด้วยตนเองยังคงมีความเสี่ยงที่จะเกิดข้อผิดพลาดและขาดประสิทธิภาพ ส่งผลให้การทดสอบเชิงถดถอยที่สำคัญมักถูกเลื่อนออกไปจนไม่สามารถตรวจพบข้อผิดพลาดได้ทันการณ์ งานวิจัยนี้นำเสนอแนวทางการแก้ปัญหาด้วยการสร้างเทสต์สคริปต์สำหรับโรบอทเฟรมเวิร์กโดยอัตโนมัติจากยูสเซอร์สตอรีและซีนาริโอ โดยใช้ XML เพื่อกำหนดโครงสร้างส่วนต่อประสานผู้ใช้ของหน้าเว็บ ช่วยให้สามารถจัดเตรียมเทสต์สคริปต์ได้ตั้งแต่ขั้นตอนการออกแบบ นอกจากตัวอย่างในซีนาริโอแล้ว ยังใช้ XML Schema Definition (XSD) เพื่อสร้างชุดข้อมูลสำหรับการทดสอบเพิ่มเติมโดยอัตโนมัติ การพารามิเตอร์ไรซ์เทสต์สคริปต์ช่วยรวบรวมกรณีทดสอบที่มีขั้นตอนร่วมกัน แต่ใช้ชุดข้อมูลต่างกันไว้ในสคริปต์เดียวกัน ซึ่งช่วยลดความซับซ้อนและภาระในการบำรุงรักษา เครื่องมือที่พัฒนาขึ้นตามแนวทางนี้สามารถลดความยุ่งยากในการจัดการเทสต์สคริปต์และเพิ่มประสิทธิภาพในการทดสอบเชิงถดถอยได้อย่างมีนัยสำคัญ และช่วยสนับสนุนการตรวจพบข้อผิดพลาดตั้งแต่ช่วงแรกของกระบวนการพัฒนา

Affinity-Based Multi-Character Storyboard Generation Using Rewrite Rules, Ram Sukkirtkijpibul

Chulalongkorn University Theses and Dissertations (Chula ETD)

A game story contains interactions between characters as well as the game world. Certain genres of games such as Visual Novels and Role-Playing Games rely on their stories to attract players. There were several proposed algorithms for story generation. They focused mainly on story generation for one main character. To our knowledge, there has not been a generator with support for multiple main characters, where each main character has their own storyline that could overlap with other main characters’ stories. With multiple main characters, players can see the game world through different viewpoints, thus getting more immersed into the game's …