สภาพแวดล้อมของกลิ่นอาจกำหนดกลยุทธ์การค้นหาที่ดีที่สุดในการค้นหาแหล่งที่มาของกลิ่น หากโมเลกุลของกลิ่นฟุ้งกระจายอย่างสม่ำเสมอจากแหล่งกำเนิด (บนสุด) โมเลกุลของกลิ่นจะอยู่ที่ศูนย์กลางของเมฆ เพื่อให้สัตว์สามารถมุ่งสู่กลิ่นที่มีความเข้มข้นสูงสุดได้ หากกลุ่มกลิ่นปั่นป่วน (ตรงกลาง) กลยุทธ์ความเข้มข้นยังคงทำงานได้หากสัตว์อยู่ใกล้แหล่งกำเนิดมากพอ แม้ว่ากลิ่นจะมีความเข้มข้นไม่สม่ำเสมอก็ตาม หากสัตว์อยู่ไกลจากแหล่งที่มา (ด้านล่าง) ขนนกกลิ่นจะแตกตัวเป็น "แพ็คเก็ต" แยกกัน ดังนั้นสัตว์จึงจับกลิ่นได้เป็นช่วงๆ เท่านั้น ในกรณีนี้ สัตว์ต้องการกลยุทธ์การค้นหาที่ซับซ้อนมากขึ้น ซึ่งมันจะใช้เมื่อไหร่ก็ตามที่มันสูญเสียกลิ่นไป บาคาร่า

หุ่นยนต์ตรวจจับกลิ่นอาจมีกลยุทธ์อื่นที่พวกเขาสามารถใช้ ซึ่งธรรมชาติอาจไม่เคยคิดมาก่อน ในปี 2550 นักฟิสิกส์ Massimo Vergassola จาก l"École Normale Supérieure ในปารีส ได้เสนอกลยุทธ์ที่เรียกว่า infotaxis ซึ่งการดมกลิ่นเป็นไปตามยุคข้อมูลข่าวสาร ในขณะที่กลยุทธ์อื่นๆ ส่วนใหญ่จะเป็นแบบโต้ตอบอย่างเดียว ในอินโฟแทกซี่ ระบบนำทางจะสร้างแบบจำลองทางความคิดว่าแหล่งที่มานั้นน่าจะเป็นที่ใดมากที่สุด โดยพิจารณาจากข้อมูลที่รวบรวมไว้ก่อนหน้านี้ จากนั้นจะเคลื่อนที่ไปในทิศทางที่เพิ่มข้อมูลเกี่ยวกับแหล่งที่มาของกลิ่น ให้ได้มากที่สุด

หุ่นยนต์จะเคลื่อนไปยังทิศทางที่เป็นไปได้มากที่สุดของแหล่งที่มา (ใช้ประโยชน์จากความรู้เดิมของมัน) หรือไปยังทิศทางที่มีข้อมูลน้อยที่สุด (สำรวจเพื่อหาข้อมูลเพิ่มเติม) เป้าหมายคือการค้นหาการรวมกันของการแสวงหาประโยชน์และการสำรวจที่เพิ่มผลประโยชน์สูงสุดที่คาดว่าจะได้รับในข้อมูล ในช่วงแรก การสำรวจจะดีกว่า เมื่อเนวิเกเตอร์เข้าใกล้แหล่งที่มามากขึ้น การแสวงประโยชน์จึงเป็นทางออกที่ดีกว่า ในการจำลองสถานการณ์ นักเดินเรือที่ใช้กลยุทธ์นี้เดินทางในเส้นทางที่มีลักษณะคล้ายกับเส้นทางการเคลื่อนที่ของแมลงเม่า

ในรุ่นแรกสุดของ Vergassola เครื่องเดินเรือจำเป็นต้องสร้างแผนที่จิตของสภาพแวดล้อมและคำนวณปริมาณทางคณิตศาสตร์ที่เรียกว่าเอนโทรปีของแชนนอนซึ่งเป็นมาตรวัดความคาดเดาไม่ได้ซึ่งอยู่ในระดับสูงในทิศทางที่นักเดินเรือยังไม่ได้สำรวจและสำรวจในทิศทางที่ต่ำ สิ่งนี้อาจต้องใช้ความสามารถทางปัญญาที่สัตว์ไม่มี แต่ Vergassola และบริษัทอื่นๆ ได้พัฒนา infotaxis เวอร์ชันใหม่ซึ่งใช้การคำนวณน้อยลง ตัวอย่างเช่น สัตว์ "สามารถลัดวงจรได้ หรืออาจแก้ปัญหาได้ประมาณ 20 เปอร์เซ็นต์ ซึ่งค่อนข้างดี" เวอร์กัสโซลา ผู้เขียนร่วมของบทความวิจารณ์ประจำปีกล่าว

Infotaxis, klinotaxis, tropotaxis, anemotaxis … แท็กซี่คันไหนจะพาคุณไปถึงที่หมายก่อน? วิธีหนึ่งที่จะคิดออกคือการไปให้ไกลกว่าการสังเกตพฤติกรรมสัตว์เชิงคุณภาพและตั้งโปรแกรมสัตว์เสมือน จากนั้นนักวิจัยจะสามารถหาอัตราความสำเร็จของกลยุทธ์ต่างๆ ภายใต้สถานการณ์ต่างๆ ทั้งในอากาศและในน้ำ Bard Ermentrout นักคณิตศาสตร์จาก University of Pittsburgh และเป็นสมาชิกของ Odor2Action ซึ่งเป็นกลุ่มวิจัย 72 คนที่จัดตั้งโดย John Crimaldi นักพลศาสตร์ของไหลแห่งมหาวิทยาลัยโคโลราโด เมืองโบลเดอร์ กล่าวว่า "เราสามารถจัดการกับสิ่งต่างๆ ได้มากขึ้น" ตัวอย่างเช่น นักวิจัยสามารถทดสอบว่ากลยุทธ์ของแมลงวันจะทำงานใต้น้ำได้ดีเพียงใด หรือสามารถเพิ่มความปั่นป่วนของของเหลวและดูว่ากลยุทธ์การค้นหาใดเริ่มล้มเหลวเมื่อใด

จนถึงตอนนี้ การจำลองแสดงให้เห็นว่าเมื่อความปั่นป่วนต่ำทั้งการดมกลิ่นแบบสเตอริโอและการจับจ่ายเพื่อเปรียบเทียบจะทำงานเป็นส่วนใหญ่ — แม้ว่าอย่างที่คาดไว้ แบบแรกจะทำงานได้ดีกว่าสำหรับสัตว์ที่มีเซ็นเซอร์เว้นระยะกว้าง (คิดว่าเป็นแมลง) และแบบหลังทำงานได้ดีกว่าสำหรับสัตว์ที่มี เซ็นเซอร์ที่มีระยะห่างอย่างใกล้ชิด (คิดว่าเป็นสัตว์เลี้ยงลูกด้วยนม) สำหรับความปั่นป่วนสูง สัตว์จำลองทำงานได้ไม่ดีกับทั้งสองวิธี การทดลองในห้องปฏิบัติการแสดงให้เห็นหนูจริง ๆ แทบจะไม่รู้สึกสะอิดสะเอียนกับขนนกที่ปั่นป่วน สิ่งนี้ชี้ให้เห็นว่าหนูอาจยังมีกลเม็ดที่เราไม่รู้ หรือคำอธิบายของเราเกี่ยวกับ klinotaxis นั้นง่ายเกินไป

นอกจากนี้ ในขณะที่การ จำลองสามารถบอกคุณได้ว่าสัตว์อาจทำอะไร พวกมันไม่จำเป็นต้องบอกว่ามันทำ อะไร และเรายังไม่มีวิธีถามสัตว์ว่า “กลยุทธ์ของคุณคืออะไร” แต่การทดลองสุดไฮเทคกับแมลงวันผลไม้กำลังเข้าใกล้ความฝันแบบดร.ดูลิตเติ้ลมากขึ้นเรื่อยๆ