Key takeaways
- Ett nytt system skulle kunna göra det möjligt för en robot att utföra komplexa degmanipuleringsuppgifter för pizzatillverkning.
- Forskare säger att metoden kan vara nyckeln till att lösa mer komplexa automationsproblem.
- Det finns en överraskande mängd matematik i degen på en pizza.
Att lära robotar att göra fantastisk pizza kan vara nyckeln till att lösa mer komplexa automationsproblem.
Forskare har skapat ett robotmanipulationssystem som använder en inlärningsprocess i två steg för att göra det möjligt för en robot att utföra komplexa degmanipuleringsuppgifter. Metoden, som beskrivs i ett nytt papper, gör det möjligt för robotar att göra saker som att skära och sprida deg eller samla ihop degbitar runt en skärbräda.
"Det kan låta roligt, men pizzatillverkning är ett extraordinärt test för robotar", sa AI-forskaren Adrian Zidaritz, som inte var inblandad i studien, till Lifewire i en e-postintervju. "En robot tittar på föremål genom en kamera, så den måste arbeta med tvådimensionella bilder av det föremålet samtidigt som den försöker klippa ihop dessa bilder till ett tredimensionellt föremål. Lägg nu till det faktum att pizzadegen kontinuerligt deformeras och testet blir ännu mer extraordinärt."
Bred degen
För en robot är det svårt att arbeta med ett deformerbart föremål som deg eftersom formen på deg kan förändras på många sätt, vilket är svårt att representera med en ekvation. Och att skapa en ny form av den degen kräver flera steg och användning av olika verktyg. Det är utmanande för en robot att lära sig en manipulationsuppgift med en lång sekvens av steg – där det finns många möjliga val – eftersom inlärning ofta sker genom försök och fel.
Nu säger forskare vid MIT, Carnegie Mellon University och University of California i San Diego att de har utvecklat en förbättrad metod för att lära robotar att göra pizza. De skapade ett ramverk för ett robotmanipulationssystem som använder en inlärningsprocess i två steg, vilket skulle kunna göra det möjligt för en robot att utföra komplexa degmanipuleringsuppgifter under en lång period.
Den nya metoden involverar en "lärare"-algoritm som löser varje steg som roboten måste ta för att slutföra uppgiften. Sedan tränar den en "elev" maskininlärningsmodell som lär sig abstrakta idéer om när och hur man ska utföra varje färdighet den behöver under lektionen, som att använda en kavel. Med denna kunskap resonerar systemet hur man ska hantera kompetensen för att slutföra hela uppgiften.
"Denna metod är närmare hur vi som människor planerar våra handlingar", sa Yunzhu Li, en doktorand vid MIT och en av tidningens författare om metoden, i pressmeddelandet om projektet. "När en människa gör en långhorisontuppgift skriver vi inte ner alla detaljer. Vi har en planerare på högre nivå som grovt talar om för oss vad stadierna är och några av de delmål vi måste uppnå på vägen, och sedan avrättar vi dem."
The Pi of Pie
En överraskande mängd matematik går åt till att skapa pizzadeg, sa Zidaritz. Degen kan beskrivas med hjälp av algebraiska eller parametriska ytor.
"Då är det frågan om att välja den formalism med vilken deformationerna ska representeras, vanligtvis en uppsättning differentialekvationer", tillade han. "Det kan bli svårt här eftersom dessa differentialekvationer har hög beräkningskomplexitet. Pizzadegen kan inte frysas i luften medan roboten räknar ut vad den kan deformeras till i nästa steg."
Yariv Reches, en av grundarna av Hyper Food Robotics, som bygger robotiga snabbmatsbutiker, sa i en e-postintervju att det är en tuff utmaning att manipulera pizzadeg. Att arbeta med ett deformerbart föremål som deg är mer komplicerat än att hantera ett styvt.
"Statiska objekt undersöks i slutet av en serie åtgärder, medan i deformerbara objekt ändrar ämnet hela tiden form och konsistens - inlärningen är då anteckningsprocessens mekanism måste anpassas i farten, " lade han till.
Men de senaste framstegen inom robotik kan leda till fantastiska saker för pizzaälskare, sa Reches. Mathantering, montering, tillagning, beredning och förpackning ändrar ofta form medan de hanteras av robotar.
"Att integrera AI i matlagning innebär att alla livsmedelsingredienser som upplever en förändring av tillståndet och som behöver flöda genom robotautomater kan hanteras med teknik", tillade Reches."Till exempel kan pizzapålägg som behöver appliceras, spridas och till och med korrigeras i farten hanteras - eller till och med applicera och montera hamburgerbiffar och bullar."
