好蛋：受过训练的煎蛋机器人厨师

一组工程师训练了一个机器人来准备煎蛋，从鸡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肴。

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。结果发表在《 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，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，因此，作为科学家，我们如何评估机器人是否做得很好？”负责这项研究的剑桥工程系的Fumiya Iida博士说。

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，并生产出一致的最终产品。

此外，每个人的口味也不同-烹调是定性的任务，而机器人通常擅长定量任务。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，需要为机器人准备食物的特殊工具。

其他研究小组已经培训了机器人制作饼干，PancakeSwap，甚至披萨饼，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，特别是煎蛋，一直被认为是对烹饪技巧的考验。法国一种流行的烹饪神话说，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：“煎蛋是其中的一道菜，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出尽可能多的信息，这对于避免用煎蛋塞满人类品尝者是必要的。

饭田说：“我们面临的另一个挑战是人的味觉的主观性-人不是很擅长给出绝对的量度，通常在味觉上会给出相对的量度。” “因此，我们需要调整机器学习算法-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，煎蛋很好吃，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研究其他优化技术及其可行性。

“ 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博士就这一重要主题展开合作，”来自工业项目主管Graham Anderson博士说。 Beko的剑桥研发中心。

有所作为：赞助机会

故事来源：

用料 由…提供 剑桥大学。原始故事是根据《 知识共享许可。注意：可以编辑内容的样式和长度。