实验过程
他们的研究结果可能有助于开发自动化或半自动化的食物制备，它可以帮助机器人学习什么味道好，什么味道不好。
二、9份菜各品尝3次，生成可视化味道图像
再现人类的咀嚼过程还可以提取更多咀嚼过程中的信息。研究人员称，在食品机械加工的几种状态下品尝可以显著提高具有不同数量相同成分的食品的分类性能。
为了证明上述结论，研究人员模拟人类的品尝过程建模，测量“咀嚼”过程中食物在不同阶段的味道并生成数据。咀嚼是粉碎和研磨食物的过程，其主要目的是减小食物颗粒的平均尺寸，同时，较小的颗粒也能为消化酶提供更大的表面积来发挥作用。因此，咀嚼在品尝过程中起着非常重要的作用，研究人员设置混合器来模拟该过程。
在味道的测量上，机器人通过电导传感器重现盐的味道，盐度会随着离子浓度、离子迁移率和离子电荷的增加而增加。
考虑到人体舌头表面有多个感知的受体，研究人员会在实验中多个点品尝并将味道表示为一系列测量值，为了模仿机器人厨师咀嚼和品尝的人类过程，研究人员将一个类似于盐度传感器的探针连接到机器人手臂上，传感器就可以移动到多个位置上，该样本的位置和数据最终生成包含味道数据的图像。
9道菜混合前后盐度测量值的差异
研究人员准备了9种盐度和西红柿含量不等的西红柿炒鸡蛋，随后机器人使用探针来“品尝”菜肴，并在几秒钟内返回读数。
该读数也就作为味道的数据信息来生成图像。该图像基于2个参数，分别是测试点的数量和盘子大小，测试点呈正方形网格分布。
不同混合阶段中不同添加剂菜品的电导测量直方图。
实验过程中，混合过程是无法控制每道菜都完全相同的，因此，研究人员在实验过程中会让机器人对每道菜品尝3次，但研究人员只使用第一次和最后一次品尝进行分类，以提高实验的可重复性。
第一次品尝是在未混合的食物上进行的，然后，机器人将样品混合几秒钟并再次品尝，此测量仅用于可视化。最后机器人在最大RPM下再混合60秒后，再次品尝这道菜，咀嚼不同时刻产生不同读数进一步丰富味觉图的数据信息。
三、未混合食材盐度差距明显，但无法分辨同质化样本
从实验生成的味觉图中可以看出，未混合的样品会显示出非常明显的电导率降低区域，也就是没有盐的地方，这些区域会和鸡蛋之间存在非常清晰的边界。最后一个样本的数据电导分布则相对均匀，其电导值介于番茄和鸡蛋的电导之间。
同一道西红柿炒鸡蛋在三个不同混合阶段后的味道映射
研究人员称，咀嚼的每个阶段都会产生明显不同的味道数据，这也为实验提供了额外的信息。
根据这项研究，与其他电子品尝方法相比，机器人评估咸味的能力有了显著提高，这些方法通常很耗时，而且只能提供一次读数。
研究人员表示，通过模仿人类咀嚼和品尝的过程，机器人最终将能够生产人类喜欢的食物，并且可以根据个人口味进行调整。
Abdulali说：“在我们的实验中，机器人可以‘看到’食物被咀嚼时的差异，从而提高了它的味觉能力。”
与该项目合作的家用电器制造商Beko的高级科学家Muhammad Chughtai说：“我们相信机器人厨师的发展将在未来繁忙的家庭和辅助生活家庭中发挥重要作用。这个结果是机器人烹饪的一次飞跃，通过使用机器和深度学习算法，咀嚼将帮助机器人厨师根据不同的菜肴和用户调整口味。”
即使一些实验结果看起来很直观，但在一些同质化样本下，该装置的表现较差。事实上，混合不同量的盐和西红柿最终会产生相同的平均盐度，由于传感器的特定结构，它并不能区分具有相同化学成分的2道菜。
此外，菜品的温度、菜品是固态或液态等都会影响机器人在烹饪中的品尝过程。
结语：机器人自动化烹饪需对照人类味觉
此前，机器人的应用通常集中于流程化、固定化的工序任务中，“品尝”这一任务往往充满了极大的不确定性，不同人们因自身特点不同，也会对食物味道产生不同的感受，足以证明机器人自动化在烹饪领域的难度。
再加上人类在品尝过程中会受唾液中化学成分的影响以及食物温度、个人喜好等，因此研究人员称，未来的工作将对唾液的研究，可能会为机器人增加人类唾液中存在的脂肪酶和淀粉酶的化学试剂。
机器人自动化在烹饪领域的研究还存在不足，但将味道等信息变成可视化的数据能够推动研究进一步深入。研究人员称，他们将依照此次分类数据建立一个规范，作为比较机器人味觉与人类味觉心理物理学研究的基准，并继续扩展这一概念在未来的延伸。
来源：Frontiers in Robotics & AI、彭博社
