Scensory：共同同定と発生源ローカリゼーションのためのリアルタイム・ロボット嗅覚知覚

arXiv cs.RO / 2026/4/24

📰 ニュースDeveloper Stack & InfrastructureModels & Research

共有:

要点

本論文は、低コストの交差感受性VOCセンサーアレイから得られる短い時系列データを用いて、真菌（カビ）の種同定と発生源の位置推定を同時に行う学習ベースのロボット嗅覚フレームワーク「Scensory」を提案している。
時系列のVOCダイナミクスが化学的特徴（何か）と空間的特徴（どこか）を同時に表す点に着目し、ロボットによる自動データ収集と空間的教師（spatial supervision）を用いて学習したニューラルネットでこれらをデコードする。
5種類の真菌を対象とした実験では、環境条件下で最大89.85%の種同定精度と87.31%の発生源ローカリゼーション精度を、センサー入力3〜7秒で達成している。
拡散支配型の化学信号からリアルタイムかつ空間的に根拠のある知覚を可能にし、屋内環境モニタリングのスケーラブルな実装につながることを示している。

Abstract

ロボットの知覚は視覚や触覚において急速に進歩し、弱く拡散が支配的な化学信号から屋内の真菌汚染について推論できるようになってきましたが、その実現は依然として未解決の課題です。私たちはScensoryを提案します。Scensoryは、手頃な価格の、相互に感度が交差したVOCセンサアレイによって測定された短い時系列から、真菌種を同時に同定し、それらの発生源を局在化する学習ベースのロボット嗅覚（オルファクション）フレームワークです。時間的なVOCダイナミクスは化学的特徴と空間的特徴の両方を符号化しており、ロボットの自動化によるデータ収集を、空間的な教師あり情報で学習したニューラルネットワークによって復号します。5種類の真菌において、Scensoryは、センサ入力が3〜7秒の条件で、周囲環境（ambient conditions）下にて最大89.85%の種同定精度と87.31%の発生源局在化精度を達成します。これらの結果は、拡散が支配的な化学信号から、実時間かつ空間的に根拠づけられた知覚を実証するものであり、ロボットによる屋内環境モニタリングのための、スケーラブルで低コストな発生源局在化を可能にします。