Robots leren om perfecte omelet te koken!

Onderzoekers van de universiteit van Cambridge trainden een robot om een ​​omelet te bereiden en optimaliseerden het recept om smakelijke gerechten te maken.

 We verwachten dat robots veel klussen overnemen, en repetitieve voedselbereiding blijkt iets te zijn dat je met computers kunt optimaliseren. Onderzoekers Junge, Hughes, Thuruthel en Iida, allemaal werkzaam bij het Bio-Inspired Robotics Lab van de Universiteit van Cambridge, gingen deze uitdaging aan. Ze creëerden een robotarm die alleen basisgereedschap gebruikt om een ​​eenvoudig omeletgerecht te maken. Hun robot voert een indrukwekkend aantal stappen uit om de omelet te maken. Eerst bereidt hij de eieren door ze te kraken, zout en peper toe te voegen en te kloppen. Vervolgens voegt de robot olie toe aan de pan en zet deze op een kookplaat, giet het eimengsel in de pan en klopt de omelet. Als het klaar is, haalt hij de pan weer van de kookplaat.

 De onderzoekers realiseerden zich dat het gebruik van een robot een enorm potentieel voordeel heeft: hij kan exact dezelfde stappen meerdere keren volgen. Op deze manier kan hij, wanneer het met een goed recept wordt geprogrammeerd, op betrouwbare wijze een geweldig gerecht produceren. Dit laat dan de uitdaging over: welke parameters moeten in het recept worden ingesteld om het objectief gezien lekkerste recept te produceren? De onderzoekers vroegen vrijwilligers om recepten te beoordelen om hun omeletrecept te verbeteren op basis van de feedback. Dit bracht toen een zeer uitdagend probleem naar voren: feedback van mensen is erg luidruchtig. Verschillende mensen hebben een ander smaakpalet, en als je je gelukkig voelt, geef je de robot waarschijnlijk een betere beoordeling. Het is ook moeilijk om van tevoren te weten welke schaal je gebruikt zonder uw smaakpalet te kalibreren met meerdere omeletten. Dit kan ertoe leiden dat u de eerste omelet een hogere score geeft dan hij achteraf verdient.

 Om het meest objectief beste recept te vinden, gebruikten de onderzoekers Bayesiaanse optimalisatietechnieken. Ze onderzochten twee methoden: sequentiële Bayesiaanse optimalisatie en batch Bayesiaanse optimalisatie. De robotchef heeft vijf parameters die hij probeert te optimaliseren: de hoeveelheid zout, de hoeveelheid peper, hoe lang de eieren moeten worden bewogen, hoeveel het ei moet draaien en de kooktijd. Mensen beoordeelden hun omelet op drie maatstaven: smaak, uiterlijk en textuur. De robot maakte 73 omeletten klaar en optimaliseerde het recept na elke proeverij. De recepten die zijn geoptimaliseerd met behulp van batch-optimalisatie, verbeterden het meest tijdens het optimalisatieproces, omdat een grotere batch feedback het menselijke geluid verzacht, wat leidt tot een optimalisatie van de gemiddelde mening over de omeletten.

Er zijn maar weinig robotarmen die ons eten helemaal opnieuw bereiden in een commerciële omgeving. Een commercieel voorbeeld is Cafe X: een startup die een robotarm gebruikt om je koffie te geven. Op hun bedrijfswebsite staat dat ze eind 2020 hun robotbarista gaan verzenden voor een prijs van $ 200.000. Een ander robotbedrijf voor het koken van voedsel is Moley, dat meer generieke voedselbereiding doet. Wanneer ze een product gaan verzenden, is niet duidelijk op hun website. Eén ding is zeker: met de huidige COVID-19-crisis heeft het automatisch contactloos bereiden en bezorgen van maaltijden zeker potentieel!

 Als je je eigen robot wilt bouwen om je omeletten te koken, kun je de paper vinden op ResearchGate. Als je je eigen Bayesiaanse optimalisatieprogramma wilt bouwen om een ​​ander aspect van je leven te optimaliseren, kun je dezelfde bibliotheek gebruiken, aangezien deze beschikbaar is op GitHub.