越来越多的工业任务是由机器人来完成的，但更复杂的操作操作仍然需要人工操作，如搬运和加工食品。

“如果我们的目标是在食品行业或其他领域实现部分或所有这些任务的自动化，我们必须通过学习为机器人提供新知识。他们必须先学习所谓的软技能，这样他们将来才能在与人类相同的水平上执行操作，”SINTEF研究员Ekrem Misimi解释道，他正在开发作为iProcess项目一部分的机器人学习技术。

为了教会机器人这些复杂的操作技能，需要视觉和触觉学习的结合。换句话说，他们必须学会同时观察和感受。机器人学习也可能在更大范围内有用，特别是现在，在大流行期间，许多人必须在家工作，或由于感染风险而无法在他们的工厂工作:

“对社会来说，生产、收获、处理和准备食品是至关重要的功能。我们的技术目标是确保一条基于智能机器人的全自动生产线。从本质上讲，智能机器人技术可以更好地帮助我们作为一个社会来应对困难时期，并在繁荣时期简化生产和价值创造。”Misimi说道。

机器人与柔软、易碎、柔韧或可塑性强的物体之间的相互作用是当今机器人技术面临的最大挑战之一，因为这些类型的物体在处理时很容易改变它们的形状和形式。人类操作员很容易实时补偿这些变化，但机器人需要先进的视觉和触觉传感器才能做到这一点。

因此，机器人被赋予了三维视觉形式的人工“眼睛”，人工智能的人工“大脑”，以及依靠力和触觉感知的灵敏“手”。Misimi解释说:“这些特性使机器人能够发展出一种特定任务的智能，足以让它们自动完成工作。”

尽管机器人有学习的能力，但它终究是一台机器。因此，它必须首先通过感知和学习来获得关于它要完成的任务的知识，无论是在与人类的交互中还是在它自己的过程中。“我们的目标是让机器人从简单的例子中学习如何执行真实世界的复杂操作任务，”Misimi说。

因此，iProcess项目开发了两种机器人学习方法。第一个是“从演示中学习”(LfD)，机器人通过视觉和触觉感知的结合来学习抓取软食品。第二种是“从自我探索中学习”，机器人利用人工智能在模拟环境中自主学习任务，最终部署到现实世界中，无需任何额外的微调。该项目为NTNU研究人工智能和机器人的研究生带来了许多有趣的作业。

“机器人学习中一个典型的挑战是，人类操作员，或者更确切地说，是老师，向机器人错误地演示了任务。因此，我们制定了一个学习策略，它只基于最好的示范，而自动忽视那些不符合老师预期政策的糟糕示范。这种学习策略使用三维成像技术来正确定位机器人抓取器，并使用触觉感知技术来温柔地处理和抓取物体。”Misimi解释道。

“从自我探索中学习的特别有趣之处在于，无论在模拟环境还是真实环境中，机器人都从未见过一片三文鱼。”但它仍能很好地在现实世界中进行归纳，以处理新的未知对象，”他补充道。当机器人以这种方式学习时，学习时间大大缩短，机器人可以用来处理多种食品或类似的物体，而不需要任何额外的编程。

最小的致命剂量的研究发表在“机器人处理的食品对象通过强劲的学习从示范”,在国际会议上提出了智能机器人和系统,而本文对学习的探索已被接受为即将到来的机器人与自动化国际会议上2020 *)举行(“国际机器人与自动化会议”。

他们说，你不能教老狗新的把戏，但机器人可以训练许多不同的处理任务，从持有固定和移动的物体，以执行更复杂的操作任务，需要更高的灵活性，如操纵移动的物体。“这项任务可以是任何涉及到切割或抓取需要温柔处理的物体的事情。无论是鱼片还是生菜，机器人都必须足够精巧，既不能损坏产品，又能完成工作。”

这项新技术对挪威食品工业和任何其他将受益于机器人处理柔韧和可塑物体的行业都很重要，这些行业完全依赖于自动化来保持挪威的价值创造。

“这个项目是实现这一愿景的一个里程碑。机器人技术将能够提高竞争力和盈利能力，并使更多比例的食品原料在挪威加工。这有助于提高产品质量和减少食物浪费。此外，这将有利于环境，因为原材料将不需要被运往国外提纯，而现在必须经常这样做，”Misimi说。