由一组工程师训练出来的一个机器人，会自己煎蛋，从鸡蛋打碎到完成菜的全过程，具备完善的厨师烹饪技能，制作出端得上台面的美味菜肴。
剑桥大学研究人员与 Beko 家电公司合作，使用机器学习来训练机器人，以解决高度主观的口味问题。结果公布在 IEEE 机器人与自动化通讯期刊，并将在网上提供查阅，为机器人与自动化IEEE国际会议（ICRA 2020）之线上虚拟会议内容。
几十年来，煮饭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，尽管这些厨师机器人目前尚无商用化，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完全客观，所以作为科学家，我们如何评估机器人是否做得好吃？” 负责这项研究的剑桥工程系 饭田文野（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作、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，需要开发专用工具来使机器人准备食物。
其他研究小组也已经训练了机器人制作饼干、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，蛋类，尤其是煎蛋，一直被认为是一种烹饪技巧的考验。法国有一则流行的烹饪传说，说厨师帽上的一百个褶中，每一个褶就代表一种不同的煮鸡蛋方式。
饭田说：“煎蛋是其中的一道菜，很容易做，但做得好却很难。我们认为这将是提高机器人烹调能力并优化口味、质地、气味和外观的理想测试。”
饭田和他的同事训练机器人厨师煎蛋，包括击破蛋壳到装盘上菜。这项工作在剑桥工程系中进行，使用Beko plc 和 Symphony Group 提供的测试厨房。
饭田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尽可能提取更多的信息，才能避免人类试吃者被试吃煎蛋给撑爆。
饭田说：“我们面临的另一个挑战是人类味觉的主观性——人并非很擅长给出绝对的量度，通常在味觉上只会给出相对的量度。” “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。”
而机器人厨师的评价如何呢？“总而来说，煎蛋尝起来很棒——比预期的要好得多！” 饭田说。
结果表明，机器学习可用于食品优化方面的量化改进。此外，这种方法也可以轻松地扩展到多个机器人厨师共事。
原文来源：Cambridge Research News: A good egg: robot chef trained to make omelettes
(CC BY 4.0 International)
本文来源 Topic News