Enseñar a un robot a preparar y cocinar alimentos es una tarea difícil, ya que debe lidiar con problemas complejos.
Cambridge, Reino Unido–Un equipo de ingenieros entrenó a un robot para preparar una tortilla, desde romper los huevos hasta colocar el plato terminado, y refinó las habilidades culinarias del ‘chef’ para producir un plato confiable que realmente sepa bien.
Los investigadores, de la Universidad de Cambridge, en colaboración con la compañía de electrodomésticos Beko, utilizaron el aprendizaje automático para entrenar al robot para que tenga en cuenta cuestiones de gusto muy subjetivas.
Los resultados se informan en la revista IEEE Robotics and Automation Letters, y estarán disponibles en línea como parte de la conferencia internacional virtual de IEEE sobre robótica y automatización (ICRA 2020).
Un robot que puede cocinar ha sido una aspiración de autores de ciencia ficción, futuristas y científicos durante décadas. A medida que las técnicas de inteligencia artificial han avanzado, las compañías comerciales han construido prototipos de chefs robot, aunque ninguno de estos está actualmente disponible comercialmente, y están muy por detrás de sus homólogos humanos en términos de habilidad.
«Cocinar es un problema realmente interesante para los robotistas, ya que los humanos nunca pueden ser totalmente objetivos cuando se trata de alimentos, entonces, ¿cómo los científicos evaluamos si el robot ha hecho un buen trabajo?» dijo el Dr. Fumiya Iida del Departamento de Ingeniería de Cambridge, quien dirigió la investigación.
En asociación con Beko, Iida y sus colegas entrenaron a su robot para preparar una tortilla, desde romper los huevos hasta colocar el plato terminado. El trabajo se realizó en el Departamento de Ingeniería de Cambridge, utilizando una cocina de prueba suministrada por Beko plc y Symphony Group.
La técnica de aprendizaje automático desarrollada por el equipo de Iida hace uso de una herramienta estadística, llamada Inferencia Bayesiana, para extraer la mayor cantidad de información posible de la cantidad limitada de muestras de datos, lo cual fue necesario para evitar el relleno excesivo de tortillas a los catadores humanos.
«Otro desafío que enfrentamos fue la subjetividad del sentido del gusto humano: los humanos no son muy buenos para dar medidas absolutas, y generalmente dan medidas relativas cuando se trata del gusto», dijo lida.
«Por lo tanto, necesitábamos ajustar el algoritmo de aprendizaje automático, el denominado algoritmo por lotes, para que los catadores humanos pudieran proporcionar información basada en evaluaciones comparativas, en lugar de evaluaciones secuenciales.»
Pero, ¿cómo se comparó el robot como chef? «Las tortillas en general sabían muy bien, ¡mucho mejor de lo esperado!» dijo lida.
Los resultados muestran que el aprendizaje automático se puede utilizar para obtener mejoras cuantificables en la optimización de los alimentos.
Además, este enfoque puede extenderse fácilmente a múltiples chefs robóticos. Se deben realizar más estudios para investigar otras técnicas de optimización y su viabilidad.
