Ghost-Desk Monitor

6 เรื่องหนักที่สุดตอนนี้ จากทั้งหมด 26 เรื่องที่ยังเปิดอยู่ แตะเพื่อดูว่ามาจากไหนและรับมืออย่างไร

• P1AI (E7) จะ run ที่ไหน: บน node, บน gateway หรือบน cloudHighAIทั้งทีม · ตัดสินในประชุมก่อนส่ง proposalOpen

  Cause · มาจากทีมกังวลว่าการทำโมเดลภาพให้รันบน ESP32-S3 ของ node (Edge Impulse) ต้องเก็บภาพ ~300 ภาพต่อ class × 3 class เทรน และยัดโมเดลลง PSRAM ให้ทันเส้นตาย 13 พ.ย. ซึ่งเป็นงานที่เสี่ยงที่สุดในแผน · เพื่อนอีกกลุ่มเลือกเรียก AI บน cloud แทน · 29 ต.ค. เอกสารโจทย์ฉบับล่าสุดเพิ่ม FAQ ข้อ 4: AI ที่ run บน gateway นับเป็น E7 ได้

  What it means · หมายความว่าFAQ ข้อ 4 เปลี่ยนโจทย์นี้ไปมาก: E7 ไม่จำเป็นต้อง run บน sensor node แล้ว และ gateway ของเรา (YD-ESP32-23) เป็น ESP32-S3 N16R8 ชิปเดียวกับ node มี PSRAM 8 MB เท่ากัน จึง run โมเดล Edge Impulse / ESP-DL ได้เหมือนกัน · โจทย์ยังอนุญาตให้ AI รับ input เป็นข้อมูล sensor ได้ (ไม่ต้องเป็นภาพ) แต่ threshold ตายตัวหรือ if-else ไม่นับ ต้องเป็นโมเดลที่เทรนจริง · ข้อจำกัดเชิงฟิสิกส์: thermal 8×8 กับเรดาร์แยก “มีคน / ไม่มีคน” ได้ดี แต่แยก “โต๊ะโล่ง” กับ “มีกระเป๋าวางทิ้งไว้” ไม่ได้ เพราะกระเป๋าเย็นเท่าห้องและไม่ขยับ งานนี้ยังต้องใช้กล้อง · cloud AI ยังใช้ได้ตามเดิม แต่เป็นทางเดียวที่เสีย E7

  ทางเลือก · Options

  1. A · โมเดลภาพบน node (แผนเดิม)ได้ได้ E7 · ภาพไม่ออกจาก node เลย (จุดขายเรื่อง privacy เต็ม ๆ) · ไม่พึ่งเน็ตเสียงานยากที่สุดยังอยู่ครบ: เก็บภาพ ~900 รูปหลายแสงหลายของ เทรน และ deploy ให้ทัน 13 พ.ย. · โมเดลเล็กอาจแม่นไม่ถึง 80% · ถ้าไม่ผ่าน gate ต้องเปลี่ยนแผนกลางทางคะแนนDepth 10/10 ถ้าผ่าน gate · ไม่ผ่านต้องหา E-item อื่นแทน
  2. B · โมเดลภาพบน gatewayได้ได้ E7 ตาม FAQ ข้อ 4 · โมเดลอยู่ที่เดียวใช้กับทุกโต๊ะ (2 node ใช้โมเดลเดียวกัน ขยายง่าย) · node เบาลง · ภาพยังอยู่ในห้อง ไม่ขึ้นอินเทอร์เน็ตเสียงานยากเท่า A (dataset และการเทรนเหมือนเดิม แค่ย้ายที่ run) · node ต้องส่งภาพเล็กให้ gateway: ภาพ 96×96 ขาวดำ ≈ 9 KB ≈ 40 แพ็กเก็ต ESP-NOW ต้องเขียนแบ่งส่งและประกอบกลับ · gateway งานหนักขึ้น (ESP-NOW + TLS + inference พร้อมกัน)คะแนนDepth 10/10 ได้ E7 · การส่งภาพแบบแบ่งแพ็กเก็ตพร้อม ACK ช่วยโชว์ E4 ด้วย
  3. C · โมเดลข้อมูล sensor บน gateway (แนะนำ)ได้ได้ทั้ง M4 และ E7 ด้วยงานน้อยที่สุด: โครงข่ายประสาทเล็ก ๆ (Edge Impulse) รับ thermal 64 พิกเซล + ระยะ/พลังงานจากเรดาร์ ตอบว่า “มีคน / ไม่มีคน” · dataset คือ log รายงานที่ gateway ได้รับอยู่แล้ว เก็บได้หลายพันตัวอย่างในคืนเดียว เทรนไม่กี่นาที โมเดลไม่กี่ KB ไม่ต้องใช้ PSRAM หรือส่งภาพ · ทำเสร็จได้ใน W2 ไม่มี gate 13 พ.ย. ให้ลุ้นเสียแยกโต๊ะโล่งกับกระเป๋าค้างไม่ได้: ฟีเจอร์ “โต๊ะโล่งปล่อยทันที” หายไป ทุกโต๊ะที่ไม่เห็นคน 2 นาทีเป็น “ไม่อยู่” แล้วปล่อยที่ 30 นาที (เว้นแต่เพิ่ม B ทีหลัง) · node_report_t ตอนนี้ส่งแค่ th_max_c10 กับ th_hot_px ไม่ได้ส่งพิกเซลทั้ง 64 ตัว ต้องเพิ่ม uint8_t th_px[64] (ละเอียด 0.5°C) ก่อน freeze 6 พ.ย. struct โตจาก 18 เป็น 82 bytes ยังไม่เกิน 250 ของ ESP-NOW · ต้องเป็นโมเดลที่เทรนจริง และอธิบายใน Q&A ได้ว่าทำไมไม่ใช่ threshold · dataset ต้องครอบคลุมนั่งนิ่ง เอนหลัง ลุกเดิน และคนที่โต๊ะข้าง ๆคะแนนDepth 10/10 ได้ E7 · metric AI precision / recall วัดจาก log ของเราได้ง่าย · E-items เดิม (E1 E2 E4 E5 E7) ไม่ต้องเปลี่ยน
  4. D · Cloud vision เรียกจาก gatewayได้ไม่ต้องเทรนโมเดล · vision model ใหญ่น่าจะแม่นกว่า · แยกโต๊ะโล่งกับของค้างได้เสียทางเดียวที่ไม่ได้ E7 · ต้องมีเน็ตตอนตัดสิน · ภาพหนึ่งภาพออกจากห้องขึ้นอินเทอร์เน็ต · ต้องดูแล API key และ quota · node ต้องส่งภาพให้ gateway อยู่ดีคะแนนDepth 10/10 ก็ต่อเมื่อทำ E6 OTA เพิ่มแทน E7

  คุยกันในทีม · To discuss

  • เลือกทางไหน และใครรับงาน AI ต่อ (บทบาท AI & Node Vision)
  • ถามใน Tab Q&A ให้ชัด: โมเดลที่เทรนเองบนข้อมูล thermal + radar แล้ว run บน gateway นับทั้ง M4 และ E7 ใช่ไหม (FAQ ข้อ 4 ตอบเรื่องที่ run แต่ยังไม่ได้พูดถึง input ที่เป็น sensor)
  • ถ้าเลือก C: ยอมให้โต๊ะที่เก็บของกลับไปแล้วรอ 30 นาที หรือจะเพิ่ม B เป็นงาน stretch ให้กล้องตรวจของค้างตอนครบ 2 นาที
  • เก็บ dataset อย่างไร: ใครนั่ง กี่ท่า กี่สภาพแสง และ label ด้วยอะไร (ปุ่มบน gateway หรือพิมพ์ผ่าน Serial)
  • ถ้าเลือก C อย่างเดียว ยังต้องใช้กล้อง OV2640 ไหม · M1 ยังครบเพราะ node มี LD2410 + AMG8833 สองชนิดแล้ว · คงกล้องไว้เผื่อ B ก็ได้
  • proposal ส่งศุกร์ 30 ต.ค. ต้องบอกว่า AI run ที่ไหนและใช้ input อะไร จึงต้องตัดสินภายในคืนพฤหัส 29 ต.ค.

  Recommendation · ข้อเสนอเลือกทาง C: เทรนโครงข่ายประสาทเล็กบนข้อมูล thermal + radar แล้ว run บน gateway ได้ทั้ง M4 และ E7 ตาม FAQ ข้อ 4 ด้วยงานน้อยที่สุด เสร็จได้ใน W2 · E-items คงเดิม (E1 E2 E4 E5 E7) proposal แก้แค่ว่า AI run ที่ gateway และใช้ input อะไร · เพิ่มพิกเซล thermal 64 ตัวใน node_report_t ก่อน freeze 6 พ.ย. · ถ้ามีเวลาเหลือค่อยเพิ่ม B ให้กล้องตรวจของค้าง · เมื่อทีมตัดสินแล้ว อัปเดต Build Plan (C6, D3) หน้า How It Works ขั้น 7 และ proposal ในหน้า Docs

  เกี่ยวข้อง · RelatedR1R2R8F4F5

  1. 2026-10-28 ยกขึ้นมาหลังคุยกับเพื่อนอีกกลุ่มที่เลือกใช้ cloud AI · รอทีมตัดสินในประชุม
  2. 2026-10-29 เอกสารโจทย์ฉบับใหม่มี FAQ ข้อ 4: AI ที่ run บน gateway นับเป็น E7 · เพิ่มทาง B และ C เปลี่ยนข้อเสนอจาก cloud (เสีย E7) เป็น C (ได้ E7)
  3. 2026-10-29 แก้ทาง C: node_report_t ยังไม่มีพิกเซล thermal 64 ตัว ต้องเพิ่มก่อน freeze 6 พ.ย. (18 → 82 bytes)

  logged 2026-10-28

• F1ใช้ Wi-Fi มหาลัยไม่ได้ และ ESP-NOW ต้องอยู่ช่องเดียวกับ hotspotHighGatewayGateway & CloudOpen

  Cause · มาจากESP-NOW + gateway ต่อ Wi-Fi

  What it means · หมายความว่าESP32 ต่อ Wi-Fi มหาลัยไม่ค่อยได้ จึงต้องใช้ hotspot และเมื่อ gateway ต่อ hotspot แล้ว ESP-NOW ทั้งระบบต้องอยู่ช่องเดียวกับ hotspot เปลี่ยนมือถือหรือ hotspot เมื่อไร node อาจส่งไม่ถึง

  Plan · รับมือใช้ hotspot เครื่องเดียวตั้งแต่ W1 ถึงวัน demo · ให้ node ไล่หาช่องตอนเปิดเครื่องจนได้ ack · พก hotspot สำรองวันนำเสนอ

  logged 2026-10-28

• F4โมเดลภาพจะผิดบ้าง และต้องใช้เวลาเก็บภาพHighAIAI & Node VisionOpen

  Cause · มาจากAI บนบอร์ด E7 และกติกาโต๊ะโล่ง

  What it means · หมายความว่าต้องเก็บ ~300 ภาพต่อ class หลายแสง หลายของ ก่อนเส้นตาย 13 พ.ย. ถ้าโมเดลบอก empty ผิดทั้งที่มีของ โต๊ะจะถูกปล่อยทั้งที่ยังมีกระเป๋าอยู่

  Plan · รับมือเริ่มเก็บภาพ W1 · กันภาพ 20% ไว้ทดสอบ · ต้องเห็น empty ซ้ำ 2 ครั้งติดกันก่อนปล่อย · นับ false release ตอนรัน 24 ชม.

  logged 2026-10-28

• F6แต่ละโต๊ะต้องมีปลั๊ก และไฟกระชากตอน servo หมุนHighHardwareSensor NodeOpen

  Cause · มาจากกล้อง + Wi-Fi + servo บนบอร์ดเดียว

  What it means · หมายความว่ากินไฟพร้อมกันจนบอร์ดรีเซ็ตได้ (brown-out) ไฟจาก USB โน้ตบุ๊กไม่พอ และโต๊ะทดสอบทุกตัวต้องอยู่ใกล้ปลั๊ก

  Plan · รับมืออแดปเตอร์ 5V 2A ต่อโต๊ะ · ตัวเก็บประจุ 1000 µF ข้าง servo · ต่อ GND ร่วม · ทดสอบหมุน servo ขณะกล้องทำงานตั้งแต่ W1

  logged 2026-10-28

• R1AI บน ESP32-S3 ไม่ผ่านเส้นตายHighAIAI & Node VisionWatching

  Warning sign · สัญญาณเตือนaccuracy < 80% หรือ inference > 2 วิ ที่ gate 13 พ.ย.

  Likelihood · Impact (team estimate)กลาง · สูง

  Plan · รับมือโน้ตบุ๊ก/Pi รันโมเดลเดียวกันกับภาพเฉพาะตอนสถานะเปลี่ยน · E6 แทน E7

  logged 2026-10-28

• R2กล้องบอกว่าโต๊ะโล่งทั้งที่มีของHighAIAI & Node VisionWatching

  Warning sign · สัญญาณเตือนมี release ที่ reason=empty แต่ยังมีของใน log ตอนรัน 24 ชม.

  Likelihood · Impact (team estimate)กลาง · สูง

  Plan · รับมือดู confusion matrix · เพิ่มภาพ class ที่พลาดแล้วฝึกใหม่ · ต้องเห็น empty ซ้ำ 2 ครั้ง

  logged 2026-10-28

ดูปัญหาทั้งหมด · All problemsGrading Criteria scorecard