CHEF ROBOTICS
准备食物似乎是机器人可以完成的问题之一。在半结构化环境中，这是一个可预测的、重复的、基本的操作任务。同时，这也存在着巨大的需求，因为人力成本越来越高。目前，美国食品行业有100多万个职位空缺（https://www.chefrobotics.ai/），但即使这样，年离职率也高达150%（这意味着很多工人甚至撑不过一年）。
对于机器人来说，准备食物似乎是一个很好的切入点，这就是为什么Chef Robotics和其他一些机器人公司几年前通过将机器人带到Chipotle或Sweetgreen等快餐餐厅来帮助解决这个问题，在那里，机器人能够帮你从柜台上一系列食材中快速获得一顿定制的饭。
但由于几个原因，这并没有真正奏效。首先，对人类来说毫不费力的事情对机器人来说不可避免地是极其困难的。其次，除了把食物放在盘子里，人类实际上还在餐馆里做了很多其他有用的事情，显然，机器人并不能胜任所有这些事情。
尽管如此，Chef Robotics的创始人兼首席执行官Rajat Bhageria还不准备放弃这个机会。他告诉IEEE Spectrum：“食品市场可以说是当今人工智能可以驾驭的最大市场。” 随着对快速休闲餐厅复杂混乱局面一点一点的转变和改进，Chef Robotics仍然完成了2000多万份餐点的准备，这要归功于在北美各地部署的自主机器人手臂。不知不觉中，你可能也吃过这样一顿饭呢？
当我们（作者，以下简称我）与Bhageria交谈时，他解释说，预制食品生产涉及三个基本任务：准备（切碎食材等）、实际烹饪过程，然后装盘（或打包）。在这些任务中，准备工作与工业自动化配合得很好，因为您通常可以订购预先切碎或混合的食材，烹饪也可以很好地配合，因为只需要选择使用更大的锅、平底锅或烤箱，您就可以用最小的工作量完成更多的菜。装盘的工作比较复杂，尤其是存在灵活性或多样性的情况下。
那么，在确定了瓶颈之后，让我们用一些机器人来解决这个问题吧？Bhageria解释说，这正是Chef Robotics所做的：“我们去找我们的客户，他们说他们最大的痛点是劳动力，而劳动力需要付出最多的部分是“组装”，所以我们说，我们可以帮助你解决这个问题。”
Chef Robotics选择从快餐厅开始。他们并不是第一个尝试这种方法的人——许多其他机器人公司以前也尝试过，结果喜忧参半。Bhageria说：“实际上，在早期向快餐连锁店销售产品时，我们取得了一些不错的成就，但后来我们遇到了一些技术障碍。从本质上讲，如果我们想有一个与人类相当的系统，以便我们可以为我们的机器人收取与人类相等的服务费，我们需要能够完成每一个步骤 —— 要么能够完全与人类相当，要么它就没有作用。”
部分挑战在于，训练机器人学会执行不同装配任务所需的所有不同操作，这些任务需要不同类型的现实世界数据。这些数据根本不存在——或者，如果存在的话，任何拥有这些数据的公司都知道它的价值，并且不分享，你真的需要身体力行来训练一个有用的操纵模型。
除快餐连锁店外，请考虑食品准备情况，例如大规模生产的冷冻餐食，这些餐食由几种离散的食材组成，并在工厂规模上打包。冷冻餐食的生产依赖于自动化，而不是机器人技术，因为这种规模的成本可以合理化。
不过，在某种程度上，机器人确实找到了一些机会：当你需要大量生产相同的餐食，但这种餐食的内容会经常变化时。例如，请思考任何类型的预包装餐食，这些餐食是成批制作的，只是不像冷冻餐食那样。这是自动化在结构化环境中灵活性的表现——但由于内容的变化足够频繁，导致实际的自动化解决方案并不总是经济实惠的。突然之间，机器人和它们那一点点灵活的自动化能力有了成为实用解决方案的机会。
Bhageria表示，我们看到这些长的装配线，人们正在从大桶里舀出食物，放到个人的托盘上。他们在这些线上做很多种不同的餐食；它会改变，他们在一周内会做不同的餐食。但无论如何，每个人都在做一种食材，也许每周都会做六种食材。这对我们来说非常吸引人，因为六种食材是我们可以在实验室里拼凑出来的。如果我们可以制作出足够好的产品，那么我们可以运送机器人，如果我们可以将机器人运送到生产现场，那么我们会获得现实世界的训练数据。
Chef Robotics一直在部署机器人模块，它们可以代替人类安装在现有的食品装配线上，而无需任何改装。这些模块由六个自由度的手臂组成，这些机械臂穿着时尚的IP67可洗服装。为了处理不同种类的食物，这些机器人可以配备各种各样的工具（以及相应的操纵软件策略）。传感系统包括几个深度摄像头，以及一个用于食品托盘的重量感平台，以确保拾取的食物量一致。虽然目前六自由度的机械臂可能有些矫枉过正，但最终希望它们能够处理更复杂的食物，如芦笋，这需要你做的不仅仅是取。
