組工程師訓練了 個機器人來準備煎蛋，從雞蛋打碎到完成盤子的全過程，并完善了“廚師”的烹飪技能，以制作出真正美味的可靠菜肴。

 

　　來自劍橋大學的研究人員與 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。結果發表在《  IEEE機器人與自動化快報》雜志上，并將作為虛擬的IEEE國際機器人與自動化會議（ICRA 2020）的 部分在線提供。

 

　　幾十年來，可以做飯的機器人 直是科幻小說 ，未來主義者和科學 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 來說，烹飪是 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，因此我們作為科學 如何評估機器人是否做得很好？” 負責這項研究的劍橋工程系的Fumiya Iida博士說。

 

　　教導機器人準備和烹飪食物是 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 致的 終產品。

 

　　此外，每個人的口味也不同-烹調是定性的任務，而機器人通常擅長定量任務。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，需要為機器人準備食物的特殊工具。

 

　　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尚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，特別是煎蛋， 直被認為是對烹飪技巧的考驗。法國 種流行的烹飪神話說，廚師帽上的 百個褶中的每 個代表 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：“煎蛋是其中的 道菜，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 個煎蛋器，從雞蛋打碎 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過度填塞人類品嘗者是必要的。

 

　　飯田說：“我們面臨的另 個挑戰是人對味覺的主觀性-人不是很擅長給出 對的量度，通常在味覺上會給出相對的量度。” “因此，我們需要調整機器學習算法-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？“煎蛋總體上味道很好-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 步的研究以研究其他優化技術及其可行性。

 

　　工業項目主管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 重要話題展開合作。”來自Beko的劍橋研發中心。