로봇 부엌 보조기 제작: 기술 과제 및 2025 년 현재 위치
요리를 할 수 있는 로봇을 만드는 데 필요한 것은
[← 블로그]
부엌은 지구상에서 가장 어려운 조작 환경 중 하나입니다. 2025년에 로봇이 어디에 있는지 그리고 무엇이 해결되지 않은지에 대한 정직한 기술적 평가입니다.
부엌 이 매우 어렵게 된 이유
부엌 환경은 로봇 조작의 거의 모든 열린 도전을 하나의 공간으로 결합합니다. 변형 가능한 물체 (토토, 채소, 단백질) 는 연속적인 모양 변형으로 일반화되는 모델을 필요로합니다. 액체는 현재 계획자가 쏟아부 작업에 신뢰할 수 없는 유체 역학을 도입합니다. 열은 허용되는 실패 모드를 제한하는 안전 제약을 만듭니다. 끓는 물 한 냄비를 떨어뜨리는 로봇은 건조 물체를 떨어뜨리는 것과 다른 실패 범주입니다. 물체의 종류는 완전 장착된 상업 부엌에서 10,000 SKU를 초과합니다. 현재 정책이 신뢰할 수 있는 일반화되는 50-200 개 객체 범주와 비교하면. 그리고 인간의 공동재존은 OSHA에 따라 힘의 한계와 행동 예측이 필요하며 이미 어려운 조작 문제에도 한층의 제한을 추가합니다.
이것들 중 하나는 부엌 자동화가 불가능하다는 것을 의미하지 않습니다. 즉 2025년에 성공적인 배포가 일반적인 작업이 아니라 특정 작업에 관한 것입니다. 실제로 작동하는 로봇들은 신중하게 제한된 부문 문제를 해결하고 있습니다.
과제 분해: 요리 를 해결 할 수 있는 부분 문제 로 나눌 수 있습니다
부엌 로봇 시스템을 만드는 핵심 통찰력은 "음식"은 하나의 작업이 아니라 매우 다른 어려움 수준으로 하위 작업의 순서가 된다는 것입니다. 각각의 하위 작업을 독립적으로 처리하면 각각의 도전 수준에 적합한 하드웨어와 제어 전략, 훈련 데이터 투자와 일치 할 수 있습니다.
샌드위치 조립 작업의 하위 작업 파이프라인
구체적인 예 를 들어 보겠습니다. 햄과 치즈 샌드위치 를 조립 하는 것 입니다. 이 작업 은 대략 12 가지 부분 으로 분해 됩니다.
- 빵 패키지를 되찾아오 (L2 - 단단한 잡기, 알려진 래프 위치)
- 오픈 빵 패키지 (L4 - 변형 가능한 패키지, 변수 봉인)
- ** 2개의 슬라이스를 추출** (L3 - 변형 가능한 물체, 얇은 잎 잡기)
- ** 표면에 조각을 배치** (L1 -- 방출, 알려진 목표)
컨테이너를 가져오세요 (L2 - 단단한 잡음)- 개 열린 컨테이너 (L3 - 뚜
제거, 변하는 밀도가) 조각을 긁어 넣고 넣을 때 (L3 - 변형, 붙이, 얇은)- ** 치즈를 되찾아오** (L2)
- 제조를 잘라 나 넣 (L3-L5 미리 잘라 나간 것 여부에 따라)
- 자연료를 적용 (L4 - 압축 병 제어, 변하는 점성이)
- **
및 조선** (L2 - 준하는 배치) - 컷 샌드위치 (L5 - 칼 조작, 변형 가능한 목표)
실용적인 전략: 먼저 L1-L3 하위 작업을 자동화 (단계 1, 4, 5, 8, 11), L4-L5 하위 작업을 제거하기 위해 사전 처리 된 성분을 사용 (전시 절단 빵, 전제 치즈, 칼 대신 병을 압축) 및 정책이 성숙할 때까지 가장 어려운 단계를 위해 인간을 룰링에 유지하십시오. 이 접근법은 완전히 자율적인 솔루션을 기다리는 대신 작업의 60-70%를 처리하고 즉시 유용하게 사용할 수 있는 부분 자동화된 시스템을 배포할 수 있습니다.
과제별 교육 데이터 요구 사항
| Subtask Category | Demo Count | Collection Time | Expected Success Rate |
|---|---|---|---|
| Rigid object pick-place (L1-L2) | 100-300 | 2-4 hours | 85-95% |
| Container manipulation (L3) | 300-800 | 8-16 hours | 70-85% |
| Deformable grasping (L3-L4) | 500-2,000 | 1-3 days | 60-80% |
| 붓기/dispensing (L4) | 500-1,500 | 1-2 days | 70-85% |
| Tool use -- knife/spatula (L5) | 2,000-5,000+ | 1-2 weeks | 40-60% (research stage) |
부엌 조작에 필요한 센서 요구 사항
부엌 작업은 일반적인 테이블 표 조작보다 더 많은 감지 방식이 필요합니다. 여기 각 센서가 기여하고 필요한 경우입니다.
힘/토크 감지: 준수된 포착에 필수
손목에 있는 6축의 힘/토크 센서는 취약하거나 변형되거나 변동적인 딱딱한 물체를 포함하는 부엌 작업에 매우 중요합니다. 힘 피드백이 없으면 로봇은 단단한 토마토와 부드러운 토마토를 구별할 수 없습니다. 그리고 하나는 작동하는 포착력이 다른 것을 꺾을 것입니다.
- ATI Nano17 (6축, 0.012N 해상도, ~ $5,000): 연구 금 표준. 달걀 취급 및 섬세한 제품에 대한 뛰어난 감성. 대부분의 상업적 배포에 대한 과잉 필.
- ** 로봇 RFT40** (6축, 0.1N 해상도, ~ $800): 비용과 성능의 균형이 잘 갖춰져 있습니다. 컨테이너 처리, 병 잡기, 대부분의 부엌 물품에 적합합니다.
- ** 통합 주동전지 (Franka, OpenArm) **: Franka Research 3 와 [OpenArm] (
T1 ) 모두 합동 수준의 주동전지 감지 기능을 가지고 있으며, 이는 최종 효과자 힘을 추론할 수 있다. 전용 F/T 센서보다 정확도가 낮지만 많은 작업에 충분하며 추가 하드웨어가 필요하지 않습니다.
촉각 감지: 잡기 신뢰 및 슬립 탐지
지갑 손가락 끝에 있는 촉각 센서는 카메라가 볼 수 없는 접촉 수준 정보를 제공합니다. (지갑이 지갑을 잡는 동안 물체를 차단합니다). 두 가지 주요 옵션은:
- GelSight/DIGIT (비전 기반 터틸, ~ $400/센서): 30Hz에서 고해상도 터틸 이미지 (변형장) 를 제공합니다. 슬립 감지, 접촉 정상 추정 및 객체 단단성을 측정하는 데 탁월합니다. 통합: 평행 턱잡기 손가락 끝에 설치, 카메라 관측과 함께 정책에 터틸 이미지를 공급합니다.
- Paxini 터틸 센서 배열: RCSV는 Paxini 센서를 OpenArm 및 다른 플랫폼과 통합하기 위해 저장합니다. 분산 배열 형식은 (일개의 이미지와 달리 손가락 끝의 여러 감지 지점) 로 전체 포착이 안정적지 아닌 현지 변형 패턴만을 파악하는 작업을 잘 수행 할 수 있습니다.
열 감지
뜨거운 물체 (판 처리, 오븐 로딩) 를 포함하는 작업에 있어서 손목 카메라 근처에 설치된 FLIR 레프톤 열 카메라 모듈 (~$200, 160x120 해상도, 8Hz) 은 온도 인식을 제공합니다. 이것은 안전 요구 사항이 아니라 좋은 것 - 정책은 접촉하기 전에 표면이 25C 또는 250C인지 알아야합니다.
현재 성공적 인 배치
- ** 미소 로봇 플립 (Miso Robotics Flippy) ($30K):** 상업적인 프라이 스테이션에서 운영되며, 버거를 돌리고, 프라이어 바스크를 약 2 주문/분으로 관리합니다. 작업이 공간적으로 제한되어 있기 때문에 성공합니다. (알은 트레이 위치, 고정된 그릴 기하학), 객체 변형은 예측 가능 (버거 패티는 알려진 방식으로 변형됩니다.)
- Nala Robotics (카피 바리스타, 공항 ~ $ 80K): 공항 터미널 키오스크에서 커피와 음료 준비를 자동화합니다. 성공 요인은: 맞춤 설계 장비로 구성된 환경, 고 반복성 카트리지 기반 재료 처리 및 30+ 초 준비 시간 동안 용납성입니다. 2025 년 현재 피츠버그 (PIT), 댈러스 (DFW) 및 기타 여러 곳에서 발견되었습니다.
- ** 컨베이어 수시 시스템:** Genki Sushi와 같은 체인에서 사용되는 완전히 자동화된 쌀과 톱닝 배치 시스템. 기술적으로 효과적이지만 특별히 구축된 컨베이어 인프라가 필요하며 일반적인 조작을 포함하지 않습니다. 재료는 카트리지를 통해 이동 플랫폼에 배포됩니다.
공통의 요점은: 모든 성공적인 부엌 배포는 ** 작업 공간을 제한하고, 객체 다양성을 제한하고, 로봇의 능력에 따라 맞춤형 장비를 설계함으로써 로봇을 임의의 부엌 장비에 적응시키는 데 노력하는 대신 환경을 해결 가능한 문제로 축소했습니다.
조작 작업 난이도 규모
현재 로봇 능력에 맞게 가급된 부엌 조작에 대한 실용적인 5 레벨의 난이도 스케일:
| Level | Example Task | Key Challenge | 2025 State of Art |
|---|---|---|---|
| L1 | Coffee pod insertion | Constrained fit, known object | Solved -- commercial products ship |
| L2 | Cup placement on tray | Rigid object, flat surface | Solved in structured environments |
| L3 | Flipping a burger | Spatula dynamics, partial occlusion | Commercial (Flippy) -- fixed setup only |
| L4 | 붓기 liquid | Fluid dynamics, variable fill level | Research -- 70-85% success in lab |
| L5 | Knife skills (dicing) | Deformable object, safety constraints | Research only -- not close to deployment |
주요 엔지니어링 과제
- 판 및 냄비 처리: 컨텐츠가 있는 완전한 상업용 소트 판은 0.5-0.7m 도달에서 2-4kg의 무게를 가지고 있습니다. 이 순간에 팔은 5kg+의 유용 부하가 지정된 도달에서 필요합니다. 이것은 대부분의 협력 로봇 팔을 제거합니다 (UR5e는 5kg로 지정되지만 850mm 도달에서 판 역학과 어려움을 겪습니다). Fanuc CR-7iA/L 및 Yaskawa HC10는 신뢰할 수있는 판 조작을위한 최소한의 사양입니다. 용량 부담을 넘어 열적 고려 사항은 직접 패널 접촉을 위해 200C로 평가된 최종 효과자 단열을 필요로 한다.
기 정확성: 제어된 액체기는 손목 회전 속도를 액체 역학과 조정하여 +/-10ml 내의 목표량에 도달해야 한다. 현재 접근법은 실시간 액체 시뮬레이션보다는 미리 캘리브된 기 곡선을 사용한다. 표준 요리법에서는 작동하지만 부분적으로 사용된 컨테이너에서는 실패한다. 표적 용기 아래의 스케일을 추가하면 +/-3ml로 정확성을 향상시키는 폐쇄 루프 볼륨 피드백을 제공합니다. 기 및 섬세한 물체 준수: 기 껍질은 압축력 약 50-75N에서 실패합니다. 안전한 달걀 취급은 10-20N 천장으로 힘 조절이 필요합니다. 이것은 관절 토크 감지과 같은 현대적 임피던스 제어 팔과 같은 Franka Research 3 또는 [OpenArm] T2 ) 로 달성되지만, 제어기 루프에서 명시적인 힘 모니터링이 필요합니다.
실패 분석: 부엌 로봇이 붕괴되는 곳
RCSV의 샌프란시스코 연구소에서 6개월 동안 부엌 조작 데이터를 수집한 후, 우리는 대부분의 작업 실패를 차지하는 실패 모드를 카탈로그했습니다. 이러한 작업을 이해하는 것은 엔지니어링 노력을 우선시하는 데 필수적입니다.
| Failure Mode | Frequency | Root Cause | Mitigation |
|---|---|---|---|
| Grasp slip on wet/oily objects | ~25% of failures | Friction coefficient changes with surface moisture | Textured gripper pads; increase grasp force 30% for wet objects; tactile slip detection |
| Object deformation during grasp | ~20% of failures | Policy trained on rigid objects applied to deformables | Separate policies for rigid vs. deformable; force-limited grasping with 10N cap for soft items |
| Occlusion during multi-step tasks | ~18% of failures | Robot arm blocks camera view of workspace during manipulation | Wrist-mounted camera is essential; 3-camera setup minimum |
| 붓기 overshoot/undershoot | ~15% of failures | No closed-loop volume feedback | Scale under target container; pre-calibrated pour curves per container type |
| Collision with kitchen fixtures | ~12% of failures | Cluttered workspace geometry not fully perceived | Depth camera for collision avoidance; workspace decluttering protocol between tasks |
비용 분배: 부엌 로봇 시스템 이 실제로 얼마나 비싸는지
팀들은 종종 부엌 조작 시스템의 전체 비용을 과소평가합니다. L1-L3 작업을 수행할 수 있는 단일 역 시스템에 대한 현실적인 분해는 다음과 같습니다.
| Component | Option A (Budget) | Option B (Performance) |
|---|---|---|
| Robot arm | OpenArm ($4,500) | Franka Research 3 ($22,000) |
| 그리퍼 + tactile | Parallel jaw + GelSight ($800) | Robotiq 2F-85 + Paxini ($3,500) |
| Cameras (3x) | USB ELP modules ($90) | Intel RealSense D435i ($500) |
| F/T sensor | Joint torque (included) | ATI Nano17 ($5,000) |
| Compute (edge) | Jetson Orin Nano ($249) | Jetson AGX Orin ($1,999) |
| Kitchen station + mounts | $500 | $2,000 |
| Data collection (500 demos via RCSV) | $2,500 (pilot) | $8,000 (campaign) |
| Total | ~$8,600 | ~$43,000 |
[OpenArm]
시작 하기 위한 실용적 인 방법
2025~2026년에 부엌 로봇 프로젝트를 만들고 싶다면, 다음과 같은 방법은 다음과 같습니다.
- ** 주 1~2: 직무를 좁게 정의 하십시오.** L2-L3에서 특정 한 가지 음식 준비 과제를 선택 하십시오. "샌드위치 를 만들어"는 너무 넓습니다. "빵 에 미리 잘라 놓은 재료 를 순차 로 배치 하십시오".
- ** 2~3주: 하드웨어를 설치.** [OpenArm]
T4 ) 또는 [RCSV 임대] T5 을 통해 모바일 ALOHA를 임대하십시오. 3 카메라 설정을 설치하십시오. 텔레오프 루프가 끝에서 끝으로 작동하는지 확인하십시오. - ** 3
5주: 200500개의 시범을 수집.** RCSV의 [데이터 서비스]를 이용해서 운영자 지원이나 자신의 팀을 훈련하십시오. 일관된 성공적인 에피소드에 집중하세요. 훈련 전에 실패를 필터링하세요. - 5~6주: 훈련 및 평가. 데이터 세트에 [ACT 정책]
T7 ) 를 훈련하십시오. 지연된 객체 위치와 조명 조건에 대해 평가하십시오. L2-L3 작업에 대한 첫 반복에서 60-80%의 성공률을 기대하십시오. - ** 6-8 주: 데이터 플라이휠.** 실패 모드를 분석하고, 3 가지 주요 실패 범주들을 다루는 50~100개의 목표된 시범을 수집하고, 재훈련하고, 성공률 목표를 달성할 때까지 반복한다.
RCSV 부엌 작업 데이터 수집
RCSV는 샌프란시스코 연구소에서 사용된 부엌 조작 데이터 수집 프로그램을 운영하고 있습니다. 상업적 수준의 장비, 모든 표면에 있는 로드 셀과 멀티 카메라 캡처 시스템을 포함한 특수적으로 만들어진 부엌 스테이션이 있습니다. 현재 우리는 음료 준비, 재료 처리, 그리고 조립 작업 (샌드위치 건설, 접시 조립) 등 L2-L4 작업에 대한 시범을 수집하고 있습니다.
부엌 로봇을 만드는 팀들은 우리의 [데이터 서비스 프로그램] (
관련 독서
- [전용전기술 시작] (
T10 ) -- 데이터 수집을 설정하는 방법 - [행위 정책 설명] (
T11 ) -- 대부분의 부엌 조작 연구를 지원하는 알고리즘 - [이미레이션 학습에서 흔히 발생하는 실수] (
T12 ) - 부엌 정책을 훈련시키면서 이러한 실수를 피하십시오 - OpenArm vs Franka -- 부엌 작업에 어떤 팔을 선택해야 할까요?
- RCSV 데이터 서비스 -- 주방 조작 시범을 위탁
부엌 로봇 데이터 수집
RCSV의 부엌 조작 데이터 세트를 이용하거나 특정 요리의 작업에 맞춘 시범을 주문하세요. 파일럿 프로그램은 2,500달러에서 시작됩니다.
[데이터 서비스를 탐구]