Kochroboter" lernt, Rezepte anhand von Essensvideos nachzukochen

06.06.2023 - Großbritannien
computer generated picture

symbolisches Bild

Forscher haben einen Roboter-"Koch" darauf trainiert, Kochvideos anzuschauen, von ihnen zu lernen und das Gericht selbst zuzubereiten.

University of Cambridge

Forscher haben einen Roboter-"Koch" darauf trainiert, Kochvideos anzuschauen, von ihnen zu lernen und das Gericht selbst zuzubereiten. Die Forscher von der University of Cambridge programmierten ihren Roboterkoch mit einem "Kochbuch" mit acht einfachen Salatrezepten. Nachdem der Roboter ein Video gesehen hatte, in dem ein Mensch eines der Rezepte vorführte, konnte er erkennen, welches Rezept gerade zubereitet wurde, und es nachkochen.

Die Forscher von der University of Cambridge programmierten ihren Roboterkoch mit einem "Kochbuch" mit acht einfachen Salatrezepten. Nachdem er sich ein Video eines Menschen angesehen hatte, der eines der Rezepte vorführte, konnte der Roboter erkennen, welches Rezept gerade zubereitet wurde, und es nachkochen.

Darüber hinaus halfen die Videos dem Roboter, sein Kochbuch schrittweise zu ergänzen. Am Ende des Experiments kam der Roboter von selbst auf ein neuntes Rezept. Die in der Fachzeitschrift IEEE Access veröffentlichten Ergebnisse zeigen, wie Videoinhalte eine wertvolle und reichhaltige Datenquelle für die automatisierte Lebensmittelproduktion darstellen und den Einsatz von Kochrobotern erleichtern und verbilligen könnten.

Roboterköche gibt es schon seit Jahrzehnten in der Science-Fiction, aber in der Realität ist das Kochen für einen Roboter eine große Herausforderung. Mehrere kommerzielle Unternehmen haben Prototypen von Kochrobotern gebaut, von denen jedoch derzeit keiner im Handel erhältlich ist, und die in Bezug auf ihre Fähigkeiten weit hinter ihren menschlichen Kollegen zurückbleiben.

Menschliche Köche können neue Rezepte durch Beobachtung erlernen, sei es, indem sie einer anderen Person beim Kochen zusehen oder ein Video auf YouTube ansehen, aber einen Roboter so zu programmieren, dass er eine Reihe von Gerichten zubereitet, ist kostspielig und zeitaufwändig.

"Wir wollten herausfinden, ob wir einen Roboterkoch so trainieren können, dass er auf dieselbe Art und Weise lernt wie ein Mensch - indem er die Zutaten identifiziert und weiß, wie sie in einem Gericht zusammenpassen", so Grzegorz Sochacki vom Cambridge Department of Engineering, der Erstautor der Studie.

Sochacki, Doktorand im Bio-Inspired Robotics Laboratory von Professor Fumiya Iida, und seine Kollegen entwickelten acht einfache Salatrezepte und filmten sich bei der Zubereitung. Anschließend nutzten sie ein öffentlich zugängliches neuronales Netz, um ihren Kochroboter zu trainieren. Das neuronale Netz war bereits so programmiert, dass es eine Reihe verschiedener Objekte identifizieren konnte, darunter die in den acht Salatrezepten verwendeten Früchte und Gemüse (Brokkoli, Karotten, Äpfel, Bananen und Orangen).

Mithilfe von Computer-Vision-Techniken analysierte der Roboter jedes Einzelbild des Videos und war in der Lage, die verschiedenen Objekte und Merkmale wie ein Messer und die Zutaten sowie die Arme, Hände und das Gesicht des menschlichen Demonstrators zu erkennen. Sowohl die Rezepte als auch die Videos wurden in Vektoren umgewandelt und der Roboter führte mathematische Operationen an den Vektoren durch, um die Ähnlichkeit zwischen einer Demonstration und einem Vektor zu bestimmen.

Durch die korrekte Identifizierung der Zutaten und der Handlungen des menschlichen Kochs konnte der Roboter feststellen, welches der Rezepte gerade zubereitet wurde. Der Roboter konnte daraus schließen, dass, wenn der menschliche Demonstrator ein Messer in der einen und eine Karotte in der anderen Hand hielt, die Karotte zerkleinert werden würde.

Von den 16 Videos, die er sich ansah, erkannte der Roboter in 93 % der Fälle das richtige Rezept, auch wenn er nur 83 % der Handlungen des menschlichen Kochs erkannte. Der Roboter war auch in der Lage, geringfügige Abweichungen von einem Rezept, wie z. B. die Zubereitung einer doppelten Portion oder normale menschliche Fehler, als Abweichungen und nicht als neues Rezept zu erkennen. Der Roboter erkannte auch die Demonstration eines neuen, neunten Salats richtig, fügte ihn seinem Kochbuch hinzu und bereitete ihn zu.

"Es ist erstaunlich, wie viele Nuancen der Roboter erkennen konnte", so Sochacki. "Diese Rezepte sind nicht komplex - es handelt sich im Wesentlichen um gehacktes Obst und Gemüse, aber er hat zum Beispiel sehr gut erkannt, dass zwei gehackte Äpfel und zwei gehackte Karotten das gleiche Rezept sind wie drei gehackte Äpfel und drei gehackte Karotten."

Die Videos, die zum Trainieren des Kochroboters verwendet wurden, sind nicht vergleichbar mit den Essensvideos, die von einigen Influencern in den sozialen Medien gedreht werden. Sie sind voll von schnellen Schnitten und visuellen Effekten und wechseln schnell zwischen der Person, die das Essen zubereitet, und dem Gericht, das sie zubereitet, hin und her. Der Roboter hätte zum Beispiel Schwierigkeiten, eine Karotte zu erkennen, wenn der menschliche Demonstrator seine Hand um sie gelegt hätte - damit der Roboter die Karotte erkennen kann, muss der menschliche Demonstrator die Karotte hochhalten, damit der Roboter das ganze Gemüse sehen kann.

"Unser Roboter ist nicht an der Art von Essensvideos interessiert, die in den sozialen Medien viral gehen - sie sind einfach zu schwer nachzuvollziehen", so Sochacki. "Aber wenn diese Roboterköche besser und schneller darin werden, Zutaten in Essensvideos zu erkennen, könnten sie Websites wie YouTube nutzen, um eine ganze Reihe von Rezepten zu lernen.

Die Forschung wurde zum Teil von Beko plc und dem Engineering and Physical Sciences Research Council (EPSRC), einem Teil des UK Research and Innovation (UKRI), unterstützt.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Weitere News aus dem Ressort Wissenschaft

Meistgelesene News

Weitere News von unseren anderen Portalen

Themenwelt Künstliche Intelligenz (KI)