面向危险环境机器人鲁棒嗅觉导航的扩散图神经网络与数据集

在机器人系统中，基于气味的导航能力需求日益增长。然而，当前方法常面临歧义问题，特别是由于嗅觉数据集和传感器分辨率的限制，机器人会将气味错误地归因于不正确的物体。为应对嗅觉导航中的挑战，我们引入了一个多模态嗅觉数据集，并提出了一种基于扩散分子生成的新型机器学习方法，该方法可单独使用，或与自动化嗅觉数据集构建流程结合使用。我们扩散模型的这一生成过程将化学空间扩展到了当前嗅觉数据集和训练方法的限制之外，从而能够识别出此前未被记录的潜在气味分子。生成的分子随后可通过先进的嗅觉传感器进行更准确的验证，使其能够检测更多化合物并为更好的硬件设计提供信息。通过整合视觉分析、语言处理和分子生成，我们的框架增强了机器人上嗅觉-视觉模型将气味准确关联至正确来源的能力，从而在爆炸物检测、麻醉品筛查和搜救等关键应用中，通过为目标化合物更好地选择传感器来改善导航与决策。我们的方法代表了人工嗅觉领域的基础性进展，为嗅觉数据有限和传感器歧义带来的挑战提供了可扩展的解决方案。代码、模型和数据已向社区开放，获取地址：https://huggingface.co/datasets/kordelfrance/olfaction-vision-language-dataset。