本稿では、複雑な環境で動作する自律システムのための重要な機能であるロボット嗅覚ベースの匂い位置推定（OSL）の精度を向上させるための新しい機械学習方法を紹介します。従来のOSL方式は、嗅覚データセットとセンサーの解像度の限界のために、ロボットが臭いを間違ったオブジェクトに帰属させるあいまいさの問題を抱えています。これを解決するために、拡散ベースの分子生成を利用した新しい機械学習方法を提案する。この方法は、従来の嗅覚データセットとトレーニング方法の限界を超えて化学空間を拡張し、以前に記録されていなかった潜在的な臭い分子を識別することを可能にします。得られた分子は高度な嗅覚センサーを使用してより正確に検証することができ、より多くの化合物を検出し、より良いハードウェア設計のための情報を提供します。視覚分析、言語処理、分子生成を統合することで、ロボットの嗅覚 - 視覚モデルが匂いを正確な供給源と結び付ける能力を向上させ、爆発物の検出、薬物検査、検索、構造などの重要な用途でより良いセンサー選択によるナビゲーションと意思決定を改善します。限られた嗅覚データとセンサの曖昧さによる問題に対するスケーラブルなソリューションを提供し、人工嗅覚分野の基礎的な発展を示しています。コードとデータは公に提供されます。
