训练有素的煎蛋机器人厨师

一组工程师训练了一个机器人来准备煎蛋，从蛋打碎到完成菜的全过程，并完善了“厨师”的烹饪技能，以制作出真正美味的可靠菜。来自剑桥大学的研究人员与家用电器公司Beko合作，使用机器学习来训练机器人以解决高度主观的口味问题。结果报告在《 IEEE机器人与自动化快报》杂志上，并将作为虚拟IEEE国际机器人与自动化会议(ICRA 2020)的一部分在线提供。

几十年来，一种可以做饭的机器人一直是科幻小说家，未来主义者和科学家的愿望。随着人工智能技术的进步，商业公司已经建立了原型机器人厨师，尽管这些厨师目前尚无商用，并且在技术上远远落后于人类同行。

“对于机器人学家来说，烹饪是一个非常有趣的问题，因为人类在食物方面永远不可能是完全客观的，那么作为科学家，我们如何评估机器人是否做得很好呢?” 负责这项研究的剑桥大学工程系的饭田文田博士说。

学分：剑桥大学

教导机器人准备和烹饪食物是一项艰巨的任务，因为它必须处理机器人操纵，计算机视觉，传感和人机交互中的复杂问题，并产生一致的最终产品。

此外，人与人之间的口味也有所不同-烹饪是定性的任务，而机器人通常在定量任务方面表现出色。由于口味不是通用的，因此不存在通用的解决方案。与其他优化问题不同，机器人需要开发专用工具来准备食物。

其他研究小组已经培训了机器人制作饼干，煎饼，甚至比萨饼，但是这些机器人厨师并未针对烹饪中涉及的许多主观变量进行优化。

长期以来，蛋菜，尤其是煎蛋，一直被认为是对烹饪技巧的考验。法国一则流行的烹饪神话说，厨师帽上的一百个褶中的每一个代表一种不同的煮鸡蛋方式，尽管这种格言的确切来源尚不清楚。

饭田说：“煎蛋是其中一种菜，很容易做，但很难做。” “我们认为这将是提高机器人厨师能力并优化口味，质地，气味和外观的理想测试。”

Iida和他的同事与Beko合作，培训了他们的机器人厨师，准备了一个煎蛋器，从鸡蛋打碎一直到镀上完成的盘子。这项工作是在剑桥的工程系使用Beko plc和Symphony Group提供的测试厨房完成的。

Iida团队开发的机器学习技术利用称为贝叶斯推理的统计工具从有限数量的数据样本中提取尽可能多的信息，这对于避免使用煎蛋器充填人类品尝者是必要的。

饭田说：“我们面临的另一个挑战是人对味觉的主观性-人不是很擅长采取绝对的措施，通常在味觉方面会采取相对的措施。” “因此，我们需要调整机器学习算法(即所谓的批处理算法)，以便人类品尝者可以基于比较评估而不是顺序评估来提供信息。”

但是机器人如何成为厨师呢?“总的来说，煎蛋尝起来很棒，比预期的要好得多!” 饭田说。

结果表明，机器学习可用于获得食品优化方面的量化改进。此外，这种方法可以轻松地扩展到多个机器人厨师。必须进行进一步的研究以调查其他优化技术及其可行性。

工业项目Graham Anderson博士说：“ Beko对设计未来的厨房充满热情，并相信诸如此类的机器人应用将发挥至关重要的作用。我们很高兴与Iida博士就这一重要话题展开合作。” Beko剑桥研发中心主管。