Key takeaways
- Et nyt system kunne sætte en robot i stand til at udføre komplekse dejmanipulationsopgaver til pizzafremstilling.
- Forskere siger, at metoden kunne være nøglen til at løse mere komplekse automatiseringsproblemer.
- Der er overraskende meget matematik i dejen af en pizza.
At lære robotter at lave god pizza kan være nøglen til at løse mere komplekse automatiseringsproblemer.
Forskere har skabt et robotmanipulationssystem, der bruger en to-trins læringsproces til at sætte en robot i stand til at udføre komplekse dejmanipulationsopgaver. Metoden, der er beskrevet i et nyt papir, giver robotter mulighed for at gøre ting som at skære og sprede dej eller samle dejstykker rundt om et skærebræt.
"Det lyder måske sjovt, men pizzafremstilling er en ekstraordinær test for robotter," fort alte AI-forsker Adrian Zidaritz, som ikke var involveret i undersøgelsen, til Lifewire i et e-mailinterview. "En robot ser objekter gennem et kamera, så den skal arbejde med 2-dimensionelle billeder af det objekt, mens den forsøger at flette disse billeder sammen til et 3-dimensionelt objekt. Føj nu til det faktum, at pizzaens dej konstant bliver deformeret, og testen bliver endnu mere ekstraordinær."
Spredning af dejen
For en robot er det svært at arbejde med en deformerbar genstand som dej, fordi formen på dejen kan ændre sig på mange måder, som er svære at repræsentere med en ligning. Og at skabe en ny form ud af den dej kræver flere trin og brug af forskellige værktøjer. Det er udfordrende for en robot at lære en manipulationsopgave med en lang række trin - hvor der er mange mulige valg - da læring ofte sker gennem forsøg og fejl.
Nu siger forskere ved MIT, Carnegie Mellon University og University of California i San Diego, at de har udviklet en forbedret metode til at lære robotter at lave pizza. De skabte en ramme for et robotmanipulationssystem, der bruger en to-trins læringsproces, som kunne sætte en robot i stand til at udføre komplekse dejmanipulationsopgaver over en lang periode.
Den nye metode involverer en "lærer"-algoritme, der løser hvert trin, robotten skal tage for at fuldføre opgaven. Derefter træner den en "elev" maskinlæringsmodel, der lærer abstrakte ideer om, hvornår og hvordan man udfører hver færdighed, den har brug for i løbet af lektionen, som at bruge en kagerulle. Med denne viden begrunder systemet, hvordan det skal styre færdighederne til at fuldføre hele opgaven.
"Denne metode er tættere på, hvordan vi som mennesker planlægger vores handlinger," sagde Yunzhu Li, en kandidatstuderende ved MIT og en af avisens forfattere om metoden, i pressemeddelelsen om projektet. "Når et menneske laver en langsigtet opgave, skriver vi ikke alle detaljerne ned. Vi har en planlægger på højere niveau, der groft fortæller os, hvad stadierne er, og nogle af de delmål, vi skal nå undervejs, og så henretter vi dem."
The Pi of Pie
En overraskende mængde matematik går med til at lave pizzadej, sagde Zidaritz. Dejen kan beskrives ved hjælp af algebraiske eller parametriske overflader.
"Så er der spørgsmålet om at vælge den formalisme, hvormed deformationerne skal repræsenteres, norm alt et sæt differentialligninger," tilføjede han. "Ting kan blive vanskelige her, fordi disse differentialligninger har høj beregningsmæssig kompleksitet. Pizzaens dej kan ikke fryses i luften, mens robotten regner ud, hvad den kan blive deformeret til ved næste trin."
Yariv Reches, medstifter af Hyper Food Robotics, som bygger robotfastfoodbutikker, sagde i et e-mailinterview, at det er en hård udfordring at manipulere pizzadej. At arbejde med en deformerbar genstand som dej er mere kompleks end at håndtere en stiv.
"Statiske objekter bliver undersøgt i slutningen af en række handlinger, mens emnet i deformerbare objekter altid ændrer form og konsistens - læringen er så, at annoteringsprocesmekanismen skal tilpasses med det samme, " tilføjede han.
Men de seneste fremskridt inden for robotteknologi kan føre til fantastiske ting for pizzaelskere, sagde Reches. Håndtering, samling, madlavning, tilberedning og emballering ændrer ofte form, mens de håndteres af robotter.
"Integration af kunstig intelligens i madlavning betyder, at alle fødevareingredienser, der oplever en tilstandsændring og skal strømme gennem robotdispensere, kan styres med teknologi," tilføjede Reches."For eksempel kan pizzapåfyldninger, der har brug for påføring, spredning og endda rettelser på et øjeblik, håndteres - eller endda påføring og montering af hamburgerbrød og -boller."
