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據發送給計算機，然后生成可視化的味道數據圖像。

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節，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”發揮作用，而機器人廚師和人類廚師在烹飪過程中最大的區別是人類廚師可以在烹飪中“邊嘗邊做”。

因此，現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中復制更真實的咀嚼和品嘗過程，這應該會產生更美味的最終產品。”

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現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，然后產生了不同菜肴的味道數據圖像。

▲ 實驗過程

他們的研究結果可能有助于開發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下品嘗可以顯著提高具有不同數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據。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，該樣本的位置和數據最終生成包含味道數據的圖像。

▲ 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，并在幾秒鐘內返回讀數。

該讀數也就作為味道的數據信息來生成圖像。該圖像基于 2 個參數，分別是測試點的數量和盤子大小，測試點呈正方形網格分布。

▲ 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，咀嚼不同時刻產生不同讀數進一步豐富味覺圖的數據信息。

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域，也就是沒有鹽的地方，這些區域會和雞蛋之間存在非常清晰的邊界。最后一個樣本的數據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生明顯不同的味道數據，這也為實驗提供了額外的信息。

根據這項研究，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。

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人類喜歡的食物，并且可以根據個人口味進行調整。

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展將在未來繁忙的家庭和輔助生活家庭中發揮重要作用。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，該裝置的表現較差。事實上，混合不同量的鹽和西紅柿最終會產生相同的平均鹽度，由于傳感器的特定結構，它并不能區分具有相同化學成分的 2 道菜。

此外，菜品的溫度、菜品是固態或液態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據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據建立一個規范，作為比較機器人味覺與人類味覺心理物理學研究的基準，并繼續擴展這一概念在未來的延伸。