本文提出了一种具有注意机制的预测性循环神经网络，能够提升机器人在烹饪未知食材时的技能。研究还介绍了利用隐马尔可夫模型和深度卷积神经网络对菜谱指示语音进行对齐的方法，并取得了良好效果。此外，提出了多模态数据集Visual Recipe Flow，以支持烹饪动作学习和过程文本生成。