食物準備似乎是其中之一 應該 可以由機器人解決。這是半結構化環境中可預測的、重複的、基本的操作任務——看起來很理想，對吧？顯然，這是一個巨大的需求，因為人力成本昂貴，而且在這些情況下越來越難找到。目前美國食品業有超過100萬個職缺，即使有職缺，每年的流動率也高達150%（代表許多工人甚至連一年都乾不了）。
準備食物對機器人來說似乎是一個很好的機會，這就是為什麼 主廚機器人 幾年前，其他一些機器人公司也解決了這個問題，他們將機器人引入 Chipotle 或 Sweetgreen 等休閒快餐餐廳，在那裡你可以在櫃檯上享用由精選食材製成的客製化餐點。
但由於幾個原因，這並沒有真正奏效。首先，對於人類來說毫不費力的事情對於機器人來說不可避免地是極其困難的。其次，除了將食物放在盤子上之外，人類實際上在餐廳中做了很多有用的事情，而機器人無法勝任所有這些事情。
儘管如此，Chef Robotics 創辦人兼執行長 Rajat Bhageria 還不準備放棄這個機會。 「食品市場可以說是當今人工智慧最容易處理的最大市場，」他告訴我們 IEEE 頻譜。儘管擺脫了快餐休閒餐廳的複雜混亂，Chef Robotics 仍然成功地準備了超過 2000 萬份餐點，這要歸功於部署在北美各地的自主機器人手臂。不知不覺中，你甚至可能吃過這樣的飯菜。
「難的是，你能挑得快嗎？你能一致地選擇嗎？您能選擇正確的份量而不溢出嗎？你能在挑選食物時不讓食物看起來像是由機器挑選的嗎？ —Rajat Bhageria，主廚機器人
當我們與 Bhageria 交談時，他解釋說，預製食品生產涉及三個基本任務：準備（例如切碎原料的任務）、實際的烹飪過程，然後組裝（或電鍍）。在這些任務中，準備工作可以透過工業自動化很好地擴展，因為您通常可以訂購預先切碎或混合的原料，並且烹飪也可以很好地擴展，因為您只需使用更大的鍋或平底鍋或平底鍋，只需增加最少的努力即可烹飪更多的東西。什麼 不 組裝的規模很好，特別是當需要任何類型的靈活性或多樣性時。您可以在任何快速休閒餐廳中清楚地看到這一點，那裡有幾個人在廚房裡烹飪大量食物，而每個顧客一次只能得到一份服務。
確定了瓶頸後，讓我們用一些機器人來解決這個問題，對嗎？ Bhageria 解釋道，這正是 Chef Robotics 所做的：“我們去找了客戶，他們說他們最大的痛點是勞動力，而最多的勞動力是裝配，所以我們說，我們可以幫助您解決這個問題。”
Chef Robotics 始於快速休閒餐廳。他們並不是第一個嘗試這一點的公司——許多其他機器人公司之前也嘗試過這一點，但結果顯然好壞參半。「實際上，我們早期在向快速休閒品牌銷售產品方面取得了一些成功 」 巴格里亞說，「但隨後我們遇到了一些技術障礙。從本質上講，如果我們想要擁有一個與人類相當的系統，以便我們可以為我們的機器人收取與人類相當的服務費，那麼我們需要能夠做到每一個要素。你要么是一個完整的人類等同物，要么我們的客戶告訴我們這沒有用。
部分挑戰在於，訓練機器人確實執行不同組裝任務所需的所有不同操作，需要不同類型的現實世界資料。這些數據根本不存在——或者，即使存在，任何擁有這些數據的公司都知道它的價值，並且不會被分享。 您無法輕鬆模擬此類數據，因為食物可能很噁心且難以處理，無論它是粘糊糊的、粘糊糊的、黏糊糊的還是以其他方式不可預測地變形，並且您確實需要物理經驗來訓練有用的操縱模型。
暫時把快速休閒餐廳放在一邊，在食物準備的情況下，事情盡可能可預測，例如大量生產的餐食，情況又如何呢？我們談論的是像冷凍晚餐這樣的食品，這些食品在工廠規模下將少量離散成分包裝到托盤中。冷凍食品生產依賴自動化而不是機器人技術，因為規模如此之大，專用設備的成本是合理的。
不過，還有一個中間立場，機器人找到了（一些）機會：當你需要生產大量的同一餐食，但該餐食會定期更換時。例如，考慮任何一種大量生產的預包裝食品，但不是冷凍食品規模的食品。這是在結構化環境中實現自動化的機會，但由於種類繁多，實際的自動化並不具有成本效益。突然之間，機器人及其微小的靈活自動化有機會成為實用的解決方案。
「我們看到了這些長長的裝配線，人們從大桶中舀出食物並放到單獨的托盤上，」巴吉里亞說。 「他們在這些線上做了很多不同的飯菜；情況將會改變，他們將在一周內做不同的飯菜。但在任何特定時刻，每個人都會做一種成分，也許每週，那個人都會做六種成分。這對我們來說確實很有吸引力，因為我們可以在實驗室中引導六種成分。我們可以獲得足夠好的東西，如果我們能得到足夠好的東西，那麼我們就可以運送機器人，如果我們可以將機器人運送到生產中，那麼我們將獲得真實世界的訓練數據。
Chef Robotics 一直在部署機器人模組，它們可以將其插入現有的食品裝配線來代替人類，而無需進行任何改造。這些模組由六自由度手臂組成，手臂穿著時髦的 IP67 可水洗套裝。為了處理不同種類的食物，機器人可以配備各種不同的器具（及其隨附的操作軟體策略）。感測包括一些深度攝影機以及一個重量感測平台 用於食物托盤，以確保挑選的食物數量一致。雖然目前有六個自由度的手臂可能有些過大，但最終希望它們能夠處理更複雜的食物，例如蘆筍，你需要做的不僅僅是舀東西。
雖然 Chef Robotics 似乎在這裡擁有可行的業務，但 Bhageria 告訴我們，他不斷回到機器人在快餐休閒餐廳中發揮作用的願景，並最終讓機器人在我們家為我們做飯。要實現這一目標，需要時間、經驗、技術專長和數量驚人的真實訓練數據，而這些數據才是 2,000 萬份機器人準備的餐點（並且還在增加）背後的真正價值。公司部署的機器人越多，收集的數據就越多，這將使他們能夠訓練食品處理模型來處理更廣泛的原料，從而開闢更多的部署。 Chef 的網站稱，他們的機器人“本質上充當數據攝取引擎，以改進我們的人工智慧模型。”
下一步可能是幽靈廚房，其中環境仍然受到一定程度的控制，不需要人際互動，然後更廣泛地部署在商業廚房中。但即便如此，對於 Bhageria 來說還不夠，他希望機器人能夠接管餐飲服務中的所有苦差事：「我對這個願景感到非常興奮，」他說。 “我們如何在世界各地部署數億個機器人，讓人類做人類最擅長的事情？”
來自您網站的文章
網路上的相關文章
/cdn.vox-cdn.com/uploads/chorus_asset/file/25523941/Hanneke_Rozemuller_Advon_lede.jpg?w=300&resize=300,300&ssl=1 "The chum king behind those AI articles")
