组工程师训练了 个机器人来准备煎蛋，从鸡蛋打碎到完成盘子的全过程，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 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，并将作为虚拟的IEEE国际机器人与自动化会议（ICRA 2020）的 部分在线提供。

 

　　几十年来，可以做饭的机器人 直是科幻小说 ，未来主义者和科学 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 来说，烹饪是 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，因此我们作为科学 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 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 致的 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，煎饼，甚至比萨饼，但是这些机器人厨师尚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， 直被认为是对烹饪技巧的考验。法国 种流行的烹饪神话说，厨师帽上的 百个褶中的每 个代表 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 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 个煎蛋器，从鸡蛋打碎 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过度填塞人类品尝者是必要的。

 

　　饭田说：“我们面临的另 个挑战是人对味觉的主观性-人不是很擅长给出 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？“煎蛋总体上味道很好-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 步的研究以研究其他优化技术及其可行性。

 

　　工业项目主管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 重要话题展开合作。”来自Beko的剑桥研发中心。