Chef Robotics，一間食品行業實體人工智能公司，今日公布開發雙臂實體人工智能系統，用於備餐枱食物組裝。現時Chef的機械人主要處理食品生產輸送帶上的大批量餐點組裝，而這個新的雙臂實體人工智能系統，將專注於處理幽靈廚房、快餐店、航空公司餐飲、學校、醫院、軍隊、監獄、體育館、企業餐飲及酒店等行業中，較低產量但較高複雜度的備餐枱組裝工作。
隨著實體人工智能及模仿學習的出現，Chef的AI團隊正開發一個新的實體人工智能系統，旨在處理備餐枱上的餐點組裝任務，例如後廚的漢堡或墨西哥捲餅組裝。這些任務的產量較低，但複雜度較食品生產輸送帶上的組裝為高，因為單一工人（或機械人）必須組裝整份餐點，而非將流程分解為每個食材的獨立工作站。
Chef的雙臂實體人工智能系統，用於備餐枱食物組裝。 AP圖片
為執行較高複雜度的任務，新系統將採用兩隻機械臂，實現雙臂控制。它將能夠執行與人類手臂及手部相媲美的協調靈活操作。系統的末端執行器將足夠靈活，可拾取不同的食材及餐具。
由Chef的食物基礎模型（FFM）驅動
這個新的實體人工智能系統將由Chef的食物基礎模型（FFM）驅動，該模型比傳統機械人系統學習更快，並能適應更廣泛的應用場景。
現成的視覺語言動作模型（VLA）及實體人工智能模型，不足以應付食物操作。大多數VLA及實體人工智能模型均針對剛體操作進行訓練，但食物操作涉及高度可變形材料（例如濕潤、黏稠、不規則的物品）。這要求Chef的AI模型能夠在廣泛的物理狀態及互動中進行泛化。
FFM無需為拾取及放置食物、偵測托盤、隔間及內襯，以及處理可舀取或獨立食材等任務，分別建立獨立模型，而是透過單一的「基礎」人工智能模型，支援所有這些功能。它亦能更高效地擴展至新任務，並提升表現。
FFM並非透過編程，而是透過示範（模仿學習）來執行特定任務，例如組裝漢堡或製作墨西哥捲餅碗。它亦透過學習可跨硬件實體（例如具有不同運動學、末端執行器及配置的系統）轉移的任務表示，從而在不同機械人硬件平台之間進行泛化。從這個意義上說，Chef正在為食物構建實體人工智能層。
FFM預計將隨著時間推移，解鎖更多功能。例如，它可能支援零樣本或少樣本食材導入，以最少訓練適應新食材。該模型亦將自我改進，並隨著時間自主提升產量及一致性。
其他優點
Chef的新實體人工智能系統將具備：
Chef Robotics創辦人兼行政總裁Rajat Bhageria表示：「我們最初專注於高產量食品製造，但行業大部分仍依賴人手備餐枱組裝。這些環境更複雜、結構性較低，令自動化更困難。透過這個新的實體人工智能系統及我們的食物基礎模型，我們將擴展實體人工智能，以應對這些現實世界條件，並為食品行業解鎖更廣泛的應用。」
關於Chef Robotics
Chef是首間將可擴展人工智能驅動食品機械人解決方案商業化的公司。Chef已在生產中製作超1億份餐點，利用ChefOS這個用於食物操作的人工智能平台，提供機械人即服務解決方案，協助行業領先的食品公司增加產量及滿足需求。Chef總部位於加州三藩市，旨在透過加速智能機器的出現，賦予人類做人類最擅長的事情。
（美聯社）
