Webinar-Aufzeichnung - KI, Roboter und der Geruchssinn

Wir haben mit geschlossenen Räumen begonnen, da diese leichter zu kontrollieren sind (kein Wind, nur HLK). Diese Methoden lassen sich auch auf Außenbereiche übertragen, aber es werden Windmodelle benötigt, um die Verfolgung von Schadstofffahnen zu verbessern.

Alle Sensoren sind kommerzielle Sensoren, die von Dritten gekauft wurden. Die Funktionalisierung wurde intern durchgeführt.

Die Rotorspülung der Drohne stört die Strömung. Es ist wichtig, die Sensoren von den Rotoren zu entfernen und Änderungen des Bodeneffekts zu modellieren. Javier Burgess hat hier einige großartige Arbeiten vorgelegt.

Zurzeit überwache ich Konzentrationen im Bereich von Teilen pro Million und Teilen pro Milliarde. Ich arbeite verstärkt daran, Teil-per-Billion-Konzentrationen zu verfolgen und spärliche Geruchs-/Fahnenmodelle besser zu verstehen.

Beide Sensortypen driften. Metalloxidsensoren können durch Erhitzen zurückgesetzt werden, und Nik Dennler hat hier einige großartige Arbeiten vorgelegt. Elektrochemische Sensoren sind meiner Erfahrung nach in der Regel einfacher zu ersetzen, wenn sie mehrmals verwendet werden, um die Drift zu minimieren.

Um eine dem Menschen vergleichbare Riechleistung zu erreichen, werden wir wohl Hunderte brauchen. Aber wir sollten eine übermenschliche Riechleistung anstreben, wie die eines Hundes, dann brauchen wir Tausende.

Ja, es sind zwar einige Anpassungen erforderlich, aber meiner Erfahrung nach lassen sich viele der spärlichen Modellierungsarbeiten, die im Bereich der Computer Vision durchgeführt wurden, gut auf den Geruchssinn übertragen.

Ja, das macht die Sache tatsächlich etwas einfacher, denn es ist schwierig, wiederholbare absolute Konzentrationsmessungen zu erhalten. Die Messung von Gradienten ist meiner Erfahrung nach einfacher und wiederholbarer.

Ja, die Antennen werden für die Verfolgung von VOCs verwendet. Ich beginne meine Experimente in der Regel mit dem Aufspüren von Ethanol, da ich so die Konsistenz mit dem Stand der Technik von Burgues, Duisterhof, Shigaki und anderen beibehalten kann.

Ja, der Sensit Smart unterstützt elektrochemische Einwegsensoren.

Ja, ein digitaler Zwilling wäre hilfreich, und wir führen viele Simulationen durch, um zu beurteilen, wie sich der echte Roboter verhalten wird. In der Robotik klafft jedoch eine große Lücke zwischen Simulation und Realität, so dass die Simulation immer daneben liegt. Wir müssen also gute Unsicherheitsquantifizierer in unsere Modelle einbauen, um sicherzustellen, dass wir die reale Welt korrekt modellieren.

Wir haben noch nicht viele Vorkonzentrationsprotokolle ausprobiert - dies würde einen gewissen Schwerpunkt bilden. Ich stimme zu, dass die Probenahmetechnik einen großen Einfluss hat. Wir verwenden verschiedene elektrochemische Techniken in unseren Analysen.

Ein Sensor passt in den Sensit Smart.

Ja, jeder elektrochemische Sensor ist mit einem Elektrolyten ausgestattet, der auf eine bestimmte Verbindung abzielt. Die Drohne/der Roboter nimmt kontinuierlich Proben, während sie/er sich in der Welt bewegt und entweder (a) die Konzentrationen der Zielverbindung kartiert oder (b) die Quelle der Zielverbindung ausfindig macht.

Ja, wir haben hier ein bisschen Arbeit. Sie möchten die Schmauchspur oder eine wichtige chemische Komponente der Schmauchspur erkennen. Eine große Chance besteht darin, zu verstehen, wie lange sich die Schmauchspuren in der Luft befunden haben, indem man den chemischen Abbau der Schmauchspuren im Laufe der Zeit modelliert und versteht, wie dies mit der Konzentration der Proxy-Verbindung zusammenhängt.

An dieser Stelle kommt modernes ML ins Spiel. Wir müssen alle Signale dekonvolutieren und die Signale, die uns interessieren, abschwächen. Filtermethoden helfen, die Signale zu entrauschen, und ML-Modelle können helfen, sie zu trennen. Dazu braucht man keine tausendschichtigen Transformatoren. Selbst kleine mehrschichtige Perceptron-Modelle können hier sehr gut funktionieren.

Ja, das Sehen ist die Basis für das Modell, das derzeit für die Navigation eingesetzt wird. Für Chatbots eignet sich Sprache besser als Grundmodalität, da Menschen Düfte in Form von Aromen oder sprachlichen Deskriptoren kommunizieren - Sprache fungiert hier als Brücke zwischen Sehen und Riechen.

Das menschliche Riechsystem ist noch immer nicht zu 100 % verstanden, so dass die Entwicklung einer vollständigen Nasenprothese noch immer eine große Chance für die Wissenschaft darstellt. Es gibt die Formtheorie und die Vibrationstheorie des Geruchssinns, die Sie sich ansehen können, um eine Vorstellung von den verschiedenen Ideen zu bekommen, wie die menschliche Nase vermutlich funktioniert. Ich denke, dass eine echte menschliche Nasenprothese aus einer Kombination von elektrochemischen, optischen, MOX- und optischen Sensoren bestehen wird.

Ja, wir haben hier einige Arbeiten mit der Gruppe von Shalini Prasad. Sie wollen nicht unbedingt den Erreger selbst nachweisen, sondern einen Stellvertreter des Erregers oder eine Chemikalie, die der Körper bei Kontakt mit dem Erreger abgibt. Dies ist oft einfacher als der direkte Nachweis des Erregers und bietet mehr Möglichkeiten für die Erkennung.

Ja, ich denke, dafür wäre eine Nasenprothese oder eine Gehirn-Computer-Schnittstelle erforderlich. Die digitale Nase könnte die Düfte für Sie interpretieren, aber um sie direkt an Ihren Riechkolben zu senden, wäre eine Art Schnittstelle erforderlich. Vielleicht könnte eine digitale Nase Daten über Bluetooth an einen Neuralink senden.

Diese Frage ist meiner Meinung nach noch offen und nicht gut beantwortet. Wir brauchen wirklich mehr Forschung, die zeigt, wie künstlicher Geruchssinn gemeinsam mit KI-Modellen für Sehen und Sprache trainiert werden kann, um ein besseres Verständnis zu bekommen. Wenn ich zum Beispiel zwei Äpfel habe (einen Wachsapfel und einen echten Apfel), können die derzeitigen KI-Modelle nicht sagen, welcher davon echt ist. Aber ein KI-Modell, das mit einem Geruchssensor integriert ist, könnte das, weil Früchte chemische Stoffe abgeben. Die Möglichkeit, einer KI Daten zu geben und zu sagen: "Woher kommt dieses Aroma?" oder "Finde die Quelle von Verbindung X", bietet große Chancen für multimodales Lernen zwischen Sehen, Hören und Riechen.

Ja, ich war Erstautor dieser Arbeit. Ich (Kordal) habe dafür mit Dr. Shalini Prasad zusammengearbeitet.

Ja, jede Droge, die VOCs abgibt, kann theoretisch erkannt werden. Selbst Drogen, die keine VOCs freisetzen, können wahrscheinlich erkannt werden, da sie in der Regel mit VOC-emittierenden Chemikalien gemischt oder ihnen ausgesetzt werden, um sie billiger zu machen (z. B. Fentanyl).

Ja, wir haben untersucht, welche VOCs mit verschiedenen Thoraxerkrankungen korrelieren, und einen Alkoholtester und eine KI entwickelt, um sie in der Atemluft aufzuspüren.