- Источник:
- Кембриджский университет / YouTube
Специалисты по робототехнике из Кембриджского университета одного из своих «подопечных» на распознавание списка несложных рецептов, а затем показали ему эти рецепты на видео. Обученный смог правильно определить, какое блюдо готовится, в 93% случаев — и повторить его.
Хотя приготовление пищи — не самая эффектная задача для демонстрации навыков робота, она очень сложна для искусственного разума. Создано несколько прототипов роботов-поваров, но они так отстают от людей, что их нет смысла вводить в производство или массово выпускать на продажу.
Если человек может изучать рецепты, наблюдая за действиями других людей, то, чтобы научить этому робота, прежде требовалось длительное и дорогостоящее программирование. Команда «Лаборатории робототехники, вдохновленной биологией» пошла другим путем.
Сначала ученые придумали восемь простых рецептов салатов и сняла их приготовление на видео. Взяв общедоступную нейросеть, они запрограммировали ее на опознавание брокколи, моркови, бананов, апельсинов, яблок, а также кухонных приборов, например, ножа и разделочной доски.
«Мы хотели посмотреть, сможем ли мы обучить робота-повара тому же поэтапному способу, что и людей, — путем определения ингредиентов и того, как они сочетаются в блюде», — говорит один из авторов разработки , студент-исследователь инженерного факультета Кембриджского университета.
Робот поэтапно разбирался, какой рецепт готовился: например, если видел нож в одной руке, а морковь в другой, то делал вывод, что овощ нарежут.
Также механический повар смог понять, когда человек шеф-повар совершал ошибку или готовил тот же рецепт, но двойную порцию — и не отнес это к новым рецептам.
В итоге из 16 кулинарных видео робот правильно узнал рецепт в 93% случаев и верно определил действия человека в 83% случаев.
Авторы отмечают, что рецепты были простыми, но удивительно, сколько всего смог обнаружить робот на основе простой обучаемой нейросети. Также они заметили, что их ролики отличались от привычных нам кулинарных инструкций — те более сложны из-за монтажа, видеоэффектов, ускоренной нарезки продуктов.
Роботу было бы труднее на них узнать морковь, если человек обхватил бы ее рукой — на своих видео разработчики упрощали ему задачу тем, что поднимали овощ, чтобы робот видел его целиком. Однако авторы уверенно заявляют, что робоповар так быстро обучается, что в ближайшем будущем уже сможет следить и за популярными видеорецептами в интернете, которыми пользуемся мы сами, и готовить по ним.
Исследование, в журнале IEEE Access, показывает, что видеоконтент может стать богатой базой для обучения роботов-поваров, что упростит и удешевит их внедрение для автоматизации производства.
