編譯 | 智東西 程茜

編輯 | 心緣

智東西5月7日消息，近日，英國劍橋大學的研究人員訓練一個廚師機器人不斷“咀嚼”并品嘗食物，以此來模仿廚師的烹飪過程。一道美味菜肴的誕生，依賴于廚師在烹飪過程中不斷品嘗味道、增減調料，在這個過程中，味覺就是人們判斷食物味道的重要指標。

讓機器人也能“邊品嘗邊烹飪”，這雖然聽起來有些荒誕，但該論文的第一作者、劍橋大學工程系的Grzegorz Sochacki說：“我們希望機器人能夠理解味道的概念，這將使它們成為更好的廚師。”研究人員開發(fā)了一個裝有基于電導的味覺傳感器的UR5機械臂的實驗裝置，通過混合食物模擬咀嚼、電流傳導復現(xiàn)鹽的味道，幫助機器人品嘗食物的“味道”。

▲研究人員的實驗裝置

因此，經(jīng)過訓練的機器人“廚師”可以在咀嚼過程的不同階段品嘗食物的鹽度，并將所含鹽度的信息生成數(shù)據(jù)發(fā)送給計算機，然后生成可視化的味道數(shù)據(jù)圖像。

該論文標題為Mastication-Enhanced Taste-Based Classification of Multi-Ingredient Dishes for Robotic Cooking（《面向機器人烹飪的基于咀嚼增強味道的多成分菜肴分類》）已于5月4日發(fā)表在瑞士開放存取出版商Frontiers旗下的機器人學術期刊Frontiers in Robotics &AI（《機器人與人工智能前沿》）上。鏈接：https://doi.org/10.3389/frobt.2022.886074

01.邊攪拌邊品嘗，模擬人類烹飪過程

烹飪是機器人自動化領域的難題之一，多個研究人員參與研究了烹飪的不同自動化環(huán)節(jié)，包括通過視覺反饋控制機器人煎香腸的時間、遠程操作機器人裝飾蛋糕、用機械臂裝載洗碗機等。

也有研究人員使用“電子舌頭”來幫助機器人檢測肉類等，但這個過程往往需要切碎、分離或與酒精混合等復雜過程，才能使得“電子舌頭”發(fā)揮作用，而機器人廚師和人類廚師在烹飪過程中最大的區(qū)別是人類廚師可以在烹飪中“邊嘗邊做”。

因此，現(xiàn)有的解決方案對于機器人“廚師”來說不夠及時。該論文的共同作者、劍橋大學工程系博士Arsen Abdulali說：“目前的電子測試方法只從均質樣本中獲取一個快照，因此我們希望在機器人系統(tǒng)中復制更真實的咀嚼和品嘗過程，這應該會產(chǎn)生更美味的最終產(chǎn)品。”

事實上，人們在咀嚼食物時，會品嘗到其味道和質地的變化，例如，在夏天當我們咬一口新鮮番茄，番茄就會釋放汁液，再加上人類咀嚼時釋放的唾液和消化酶，就會改變我們對番茄味道的感知。研究人員該論文的第一作者、劍橋工程系的Grzegorz Sochacki說：“大多數(shù)家庭廚師都會熟悉邊吃邊吃的概念——在整個烹飪過程中檢查一道菜，以檢查口味的平衡是否正確。

如果機器人要用于食物準備的某些方面，重要的是他們能夠‘品嘗’他們正在烹飪的東西。”劍橋大學的研究人員發(fā)現(xiàn)邊品嘗邊烹飪的方式能提高機器人快速準確地評估菜肴咸味的能力。因此，研究人員訓練其機器人裝置品嘗不同的西紅柿炒雞蛋，在咀嚼過程的三個不同階段品嘗九種不同的炒雞蛋和西紅柿，然后產(chǎn)生了不同菜肴的味道數(shù)據(jù)圖像。

▲實驗過程

他們的研究結果可能有助于開發(fā)自動化或半自動化的食物制備，它可以幫助機器人學習什么味道好，什么味道不好。

02.9份菜各品嘗3次生成可視化味道圖像

再現(xiàn)人類的咀嚼過程還可以提取更多咀嚼過程中的信息。研究人員稱，在食品機械加工的幾種狀態(tài)下品嘗可以顯著提高具有不同數(shù)量相同成分的食品的分類性能。

為了證明上述結論，研究人員模擬人類的品嘗過程建模，測量“咀嚼”過程中食物在不同階段的味道并生成數(shù)據(jù)。咀嚼是粉碎和研磨食物的過程，其主要目的是減小食物顆粒的平均尺寸，同時，較小的顆粒也能為消化酶提供更大的表面積來發(fā)揮作用。因此，咀嚼在品嘗過程中起著非常重要的作用，研究人員設置混合器來模擬該過程。

在味道的測量上，機器人通過電導傳感器重現(xiàn)鹽的味道，鹽度會隨著離子濃度、離子遷移率和離子電荷的增加而增加。考慮到人體舌頭表面有多個感知的受體，研究人員會在實驗中多個點品嘗并將味道表示為一系列測量值，為了模仿機器人廚師咀嚼和品嘗的人類過程，研究人員將一個類似于鹽度傳感器的探針連接到機器人手臂上，傳感器就可以移動到多個位置上，該樣本的位置和數(shù)據(jù)最終生成包含味道數(shù)據(jù)的圖像。

▲9道菜混合前后鹽度測量值的差異

研究人員準備了9種鹽度和西紅柿含量不等的西紅柿炒雞蛋，隨后機器人使用探針來“品嘗”菜肴，并在幾秒鐘內(nèi)返回讀數(shù)。該讀數(shù)也就作為味道的數(shù)據(jù)信息來生成圖像。該圖像基于2個參數(shù)，分別是測試點的數(shù)量和盤子大小，測試點呈正方形網(wǎng)格分布。

▲不同混合階段中不同添加劑菜品的電導測量直方圖。

實驗過程中，混合過程是無法控制每道菜都完全相同的，因此，研究人員在實驗過程中會讓機器人對每道菜品嘗3次，但研究人員只使用第一次和最后一次品嘗進行分類，以提高實驗的可重復性。

第一次品嘗是在未混合的食物上進行的，然后，機器人將樣品混合幾秒鐘并再次品嘗，此測量僅用于可視化。最后機器人在最大RPM下再混合60秒后，再次品嘗這道菜，咀嚼不同時刻產(chǎn)生不同讀數(shù)進一步豐富味覺圖的數(shù)據(jù)信息。

03.未混合食材鹽度差距明顯但無法分辨同質化樣本

從實驗生成的味覺圖中可以看出，未混合的樣品會顯示出非常明顯的電導率降低區(qū)域，也就是沒有鹽的地方，這些區(qū)域會和雞蛋之間存在非常清晰的邊界。最后一個樣本的數(shù)據(jù)電導分布則相對均勻，其電導值介于番茄和雞蛋的電導之間。

▲同一道西紅柿炒雞蛋在三個不同混合階段后的味道映射

研究人員稱，咀嚼的每個階段都會產(chǎn)生明顯不同的味道數(shù)據(jù)，這也為實驗提供了額外的信息。根據(jù)這項研究，與其他電子品嘗方法相比，機器人評估咸味的能力有了顯著提高，這些方法通常很耗時，而且只能提供一次讀數(shù)。

研究人員表示，通過模仿人類咀嚼和品嘗的過程，機器人最終將能夠生產(chǎn)人類喜歡的食物，并且可以根據(jù)個人口味進行調整。Abdulali說：“在我們的實驗中，機器人可以‘看到’食物被咀嚼時的差異，從而提高了它的味覺能力。”與該項目合作的家用電器制造商Beko的高級科學家Muhammad Chughtai說：“我們相信機器人廚師的發(fā)展將在未來繁忙的家庭和輔助生活家庭中發(fā)揮重要作用。

這個結果是機器人烹飪的一次飛躍，通過使用機器和深度學習算法，咀嚼將幫助機器人廚師根據(jù)不同的菜肴和用戶調整口味。”即使一些實驗結果看起來很直觀，但在一些同質化樣本下，該裝置的表現(xiàn)較差。事實上，混合不同量的鹽和西紅柿最終會產(chǎn)生相同的平均鹽度，由于傳感器的特定結構，它并不能區(qū)分具有相同化學成分的2道菜。此外，菜品的溫度、菜品是固態(tài)或液態(tài)等都會影響機器人在烹飪中的品嘗過程。

04.結語：機器人自動化烹飪需對照人類味覺

此前，機器人的應用通常集中于流程化、固定化的工序任務中，“品嘗”這一任務往往充滿了極大的不確定性，不同人們因自身特點不同，也會對食物味道產(chǎn)生不同的感受，足以證明機器人自動化在烹飪領域的難度。

再加上人類在品嘗過程中會受唾液中化學成分的影響以及食物溫度、個人喜好等，因此研究人員稱，未來的工作將對唾液的研究，可能會為機器人增加人類唾液中存在的脂肪酶和淀粉酶的化學試劑。

機器人自動化在烹飪領域的研究還存在不足，但將味道等信息變成可視化的數(shù)據(jù)能夠推動研究進一步深入。研究人員稱，他們將依照此次分類數(shù)據(jù)建立一個規(guī)范，作為比較機器人味覺與人類味覺心理物理學研究的基準，并繼續(xù)擴展這一概念在未來的延伸。

來源：Frontiers in Robotics &AI、彭博社