工業機械手臂已經掌握了許多重複性任務，但製作生魚片仍然是一項頗具挑戰性的任務。一片生鮮三文魚在放置後，幾乎不會保持原位。魚在處理過程中會變形，這使得機器難以實現穩定的切割。挪威的研究人員開發了一種機器人系統，可以在最少人力介入的情況下製作生魚片。這台機器解決了長期以來困擾機器人的難題，因為生魚在處理過程中不斷改變形狀。該項目突顯了機器人技術的一個更廣泛目標，即工程師希望讓機器能夠處理行為不易預測的軟材料。
該領域的成功將有助於包括食品加工和醫療保健等多個行業。
挪威研究團隊成功開發生魚片機器人系統
精心設計的機器人系統
挪威科技大學的研究團隊圍繞著三個機器手臂設計了 Sashimi-Bot，每個手臂執行特定的角色。一個手臂在切割開始前穩定並定位三文魚，另一個則操作廚師刀，第三個手臂則使用筷子將完成的片狀魚肉轉移到託盤上。將魚放置到正確位置的過程至關重要，因為三文魚的魚肉在處理過程中可能會移動，這會影響切割質量。為瞭解決這個問題，研究人員在虛擬環境中對機器人進行訓練。
該系統依賴於深度強化學習，這是一種通過重複練習來提高性能的人工智能技術。在模擬過程中，機器人測試了無數個動作，並逐漸學會如何安排魚肉以便切割。研究人員隨後將這些知識轉移到實際的機器人上，而無需對真實的三文魚進行額外訓練。
機器人成功克服切割過程中的挑戰
切割過程中的難題
切割過程中又引入了另一個障礙。機器人需要準確知道刀片何時接觸到切割板。這一任務變得更加困難，因為刀具位於一個柔性機器人夾具內。握持的微小變化可能會影響刀片在切割過程中的位置。為瞭解決這個問題，研究團隊為系統配備了 GelSight 觸覺傳感器。該設備利用柔性凝膠表面和內部攝像頭來檢測壓力變化，這些測量提供了類似觸覺的資訊。研究人員使用超過 12,000 個數據樣本進行訓練，這些數據是在 157 次切割動作中收集的。
最終模型在檢測到切割板接觸時的準確率達到 95%，在測試過程中也達到 99% 的精確度。這些反饋幫助機器人在刀片過深接觸切割板之前調整切割動作。
三文魚的表現評估
研究團隊使用真實的三文魚魚肉對 Sashimi-Bot 進行了評估。在測試過程中，機器人成功切割出 34 片厚度介於 6 至 16 毫米之間的生魚片。在切割後，有些片狀魚肉黏附在刀具上，這是處理生魚時常見的問題。機器人成功從刀片上回收了所有六片這種情況的魚肉。剩餘的大部分魚片也順利轉移到上菜託盤上，系統成功轉移了 28 片中的 26 片。僅有兩次轉移失敗，均涉及極為薄的片狀魚肉從筷子上滑落。
該研究發表在《npj Robotics》期刊上。
