訓練有素的煎蛋機器人廚師

一組工程師訓練了一個機器人來準備煎蛋，從蛋打碎到完成菜的全過程，并完善了“廚師”的烹飪技能，以制作出真正美味的可靠菜。來自劍橋大學的研究人員與家用電器公司Beko合作，使用機器學習來訓練機器人以解決高度主觀的口味問題。結果報告在《 IEEE機器人與自動化快報》雜志上，并將作為虛擬IEEE國際機器人與自動化會議(ICRA 2020)的一部分在線提供。

幾十年來，一種可以做飯的機器人一直是科幻小說家，未來主義者和科學家的愿望。隨著人工智能技術的進步，商業公司已經建立了原型機器人廚師，盡管這些廚師目前尚無商用，并且在技術上遠遠落后于人類同行。

“對于機器人學家來說，烹飪是一個非常有趣的問題，因為人類在食物方面永遠不可能是完全客觀的，那么作為科學家，我們如何評估機器人是否做得很好呢?” 負責這項研究的劍橋大學工程系的飯田文田博士說。

學分：劍橋大學

教導機器人準備和烹飪食物是一項艱巨的任務，因為它必須處理機器人操縱，計算機視覺，傳感和人機交互中的復雜問題，并產生一致的最終產品。

此外，人與人之間的口味也有所不同-烹飪是定性的任務，而機器人通常在定量任務方面表現出色。由于口味不是通用的，因此不存在通用的解決方案。與其他優化問題不同，機器人需要開發專用工具來準備食物。

其他研究小組已經培訓了機器人制作餅干，煎餅，甚至比薩餅，但是這些機器人廚師并未針對烹飪中涉及的許多主觀變量進行優化。

長期以來，蛋菜，尤其是煎蛋，一直被認為是對烹飪技巧的考驗。法國一則流行的烹飪神話說，廚師帽上的一百個褶中的每一個代表一種不同的煮雞蛋方式，盡管這種格言的確切來源尚不清楚。

飯田說：“煎蛋是其中一種菜，很容易做，但很難做。” “我們認為這將是提高機器人廚師能力并優化口味，質地，氣味和外觀的理想測試。”

Iida和他的同事與Beko合作，培訓了他們的機器人廚師，準備了一個煎蛋器，從雞蛋打碎一直到鍍上完成的盤子。這項工作是在劍橋的工程系使用Beko plc和Symphony Group提供的測試廚房完成的。

Iida團隊開發的機器學習技術利用稱為貝葉斯推理的統計工具從有限數量的數據樣本中提取盡可能多的信息，這對于避免使用煎蛋器充填人類品嘗者是必要的。

飯田說：“我們面臨的另一個挑戰是人對味覺的主觀性-人不是很擅長采取絕對的措施，通常在味覺方面會采取相對的措施。” “因此，我們需要調整機器學習算法(即所謂的批處理算法)，以便人類品嘗者可以基于比較評估而不是順序評估來提供信息。”

但是機器人如何成為廚師呢?“總的來說，煎蛋嘗起來很棒，比預期的要好得多!” 飯田說。

結果表明，機器學習可用于獲得食品優化方面的量化改進。此外，這種方法可以輕松地擴展到多個機器人廚師。必須進行進一步的研究以調查其他優化技術及其可行性。

工業項目Graham Anderson博士說：“ Beko對設計未來的廚房充滿熱情，并相信諸如此類的機器人應用將發揮至關重要的作用。我們很高興與Iida博士就這一重要話題展開合作。” Beko劍橋研發中心主管。