哪些机器人企业早已布局垃圾分类？

但垃圾分类是一项工作量巨大、过程重复且枯燥的工作，工人需要用手将可回收的物品从大量垃圾中拣选出来，不但不卫生，也存在一定的危险。要处理数量庞大的垃圾，就意味着工人需要长时间进行工作，对工人的体力和精神力都是一项较大的考验。

随着人工智能和物联网等先进技术的迭代升级，未来会不会有专门分辨、分拣和处理不同垃圾种类机器人融入我们的生活，让我们不再每天接受“你是什么垃圾”的灵魂拷问？

其实一直以来，都有机器人公司推出物品分类的机器人，虽然没有直接应用在垃圾分类上，但是其中还有有很多值得借鉴和参考的地方。在识别技术上，他们有的用“眼”看，有的靠“手”摸，还有的靠“耳”听完，再用“嘴”告诉你该归为那一类垃圾。

FANUC LRMate 200iD：能实时识别上百种材料

在2017年，发那科（Fanuc）申请了一项名为“一种基于深度学习的料框内散乱多物体机器人分拣方法”的发明专利（申请号：201711194494.1），申请人为上海发那科机器人有限公司。

这款分拣机器人型号是LRMate 200iD，当时主要功能其实并不是拣垃圾，而是面向现代智能制造和仓储物流行业的视觉分拣工业机器人。主要用于解决流水线上频繁变更的零件种类、零件的混装和相互遮挡以及分拣对象的不确定性。

如上图为基于深度学习的料框内散乱多物体机器人分拣系统模型图。其中包括RGB-D摄像头和具有六自由度机械臂的机器人，在每个机械臂的末端设有吸盘手爪。

后来人们发现，“哎，这个机器人很适合去分拣垃圾呢！”于是以FANUC LRMate 200iD型号机器人作为主体发布了垃圾分拣机器人Waste Robot，利用视觉分析系统对物品进行跟踪和分类的方式，也是市面上分拣机器人比较常用的。

这类机器人，如果单枪匹马进行分拣操作效率较低，速度较慢，也有很多物品被遗漏了下来。但在实际流水线工作中，多台机器人同时进行工作，遗漏下来的物品就微乎其微了。

FANUC为其分拣机器人设计了一套新技术，叫做W.A.R，即Waste Robotics Autonomous Recycling Technology（废旧物品自动回收技术），主要分为这些步骤：

1）将包含若干种散乱堆放物体的料框放置于所述RGB-D摄像头的视野范围内，所述RGB-D摄像头对所述料框的边缘进行视觉检测以确定所述料框的范围；

2）在所述料框的范围内选取若干可分拣候选区域，将每一所述可分拣候选区域的图像和深度图输入CNN分拣预测网络以判断是否为可分拣区域，并将所述可分拣区域的中心标记为可分拣点；

3）记录所有的所述可分拣点，通过聚类算法选取较优的所述可分拣点，计算较优的所述可分拣点的法向量，并结合所述法向量、所述机器人的可达位置、所述料框的防碰撞剔除不合格的所述可分拣点；

4）从剩余的所述可分拣点中随机选择一所述可分拣点，通过所选择的所述可分拣点的坐标和法向量控制所述六自由度机械臂和所述吸盘手爪分拣所述可分拣点的物体；

5）重复所述步骤2）至所述步骤4），直至所述料框内的物体分拣完成。

这其中要依赖的，就是深度学习方法中的CNN模型，来对于RGB-D深度摄像采集到的数据进行识别。CNN分拣预测网络包括CNN网络构建、训练数据库的搜集、CNN网络权重的学习和CNN网络预测。

其中，训练数据库的建立方法包括：拍摄所述料框内的待分拣物体散堆状态照片，人工选择出若干所述可分拣候选区域。自由度机械臂和所述吸盘手爪的实际分拣结果将人工选择出的若干所述可分拣候选区域的RGB图像和深度图分别标记为可分拣或不可分拣，并以此建立一个独立样本，搜集若干独立样本作为数据集。

训练数据库的建立方法还包括数据增多方法：以可分拣候选区域的中心为圆心，每10°采样一次，分拣标签不变。CNN网络权重的学习方法包括：将采集的数据集分为训练集和测试集，对训练集的数据采用随机梯度下降法优化所述CNN网络权重，用测试集的数据测试CNN网络准确率。

目前，FANUC的Waste Robot已与政府废品管理进行了合作，离正式进入家庭或小区使用，应该也不会太远了。

MIT RoCycle：以手替眼判断更精确

美国麻省理工学院（MIT）计算机科学和人工智能实验室最近和耶鲁大学也联合开发了一款分拣机器人RoCycle，与FANUC的分拣机器人不同的是，这款机器人并没有使用视觉分析系统，而是使用了触觉作为检验材料的方法。

研究人员表示，视觉分析系统在进行分拣时可能会出现误差，比如在分辨两个外表几乎一致但材料不同的物体时，视觉分析系统很可能将两种材料归为一类，而触觉系统却不会。触觉使人类即使闭着眼睛也能够大致分辨出手中所拿的物体是什么，对于分拣机器人来说，或许触觉比视觉更加有效。

机器人手由一种拉胀聚合物制成，这种材料在拉伸时能够变宽。研究人员基于这种概念，对材料进行了改进，使材料成螺旋的圆柱状，在受力拉伸时，圆柱会向左或向右扭曲。

研究人员将一左一右两个圆柱体放在同一侧，从而制造出更加动态的运动。这项技术被称为“手性剪切拉胀”（HSA），允许设备使用常规电机，而非像其他软体机器人一样使用昂贵的空气泵和压缩机，而且它可以被装备在任何机械臂上。

RoCycle机器人指尖配有触觉传感器，可以用来检测物品的大小。接着，通过压力传感器测量抓取物体所需的力。由尺寸和刚度这两个数据来判断物体的材料，静止状况下的准确率能达到85%，而模拟传送带

上准确率也能够达到63%。

拉低准确率的最大因素是，RoCycle经常将带着纸包装的罐头判定为纸类（下图中第一个桶为装纸制品的桶）。研究人员表示，其后将沿着接触面添加更多的传感器，以进行更准确的判断。

接下来，团队将着手于结合机器人的触觉数据与视觉数据，以判断材料间的细微差别，提高RoCycle的判断准确性。

Max-AI机器人：一吸一吹，垃圾分好类了

Max-AI是美国光学分类设备生产商National Recycling Technologies研发的人工智能分类机器人，任何物品都逃不过它的“火眼金睛”。

通过深度学习技术，Max-AI能够同时运用多层神经网络和视觉系统对物品进行鉴别，其识别准确率可与人工分类匹敌。不同种类的垃圾，秒秒钟都给安排得明明白白~

Max-AI由视觉系统、人工智能及分拣系统组成。视觉系统用于获取物品的视觉信息，即便垃圾快速一闪而过，也能被一个不差地记录在案；获得视觉信息后，下一步便是利用人工智能对物品进行鉴别。根据物品的大小、价值和位置来确定分拣的优先级，确保取得最优结果；判断完毕后，机器人便可进行分拣。

值得一提的是，Max-AI的机械手并非仿人手结构，而是采用的气动系统。所有垃圾都在一呼一吸间，去往自己该去的位置。每分钟机器人就能分拣64次，是普通员工的一倍。

ZenRobotics垃圾回收设备：高效分拣

ZenRobotics是一家专门从事人工智能控制机器人系统的高科技公司。同时，也是机器人垃圾分类技术的领先供应商。

基于人工智能的视觉分析系统的ZenRobotics垃圾回收设备(ZRR)是全球首个机器人垃圾分类系统，ZRR可同时进行混合型垃圾分类、有用垃圾分类和无用垃圾分类。此外，ZRR根据垃圾种类的不同：建筑拆迁垃圾、木材垃圾、运输垃圾、纺织垃圾和废金属垃圾进行了不一样的设计。值得一提的是，ZRR在建筑垃圾分拣领域上处于领先优势。

ZRR传感器单元对垃圾流进行扫描，识别各种材料、物体和抓取位置，ZRR大脑控制软件分析数据和控制机器人，ZRR智能抓取器可选取所需的物体，机器人对同一位置的多种碎物进行分类。

ZRR可对重达30公斤的大型重物进行分离，每小时选取次数最高可达4,000次。一天就可以处理2000吨垃圾，相当于48个人的工作量。与人工相比，30万吨的年处理量使用机器人分拣可提升40%的效率。

Oscar垃圾分类系统：指导分类

Oscar人工智能垃圾分类系统由Intuitive AI公司开发，拥有32英寸显示屏和人工智能摄像头，利用计算机视觉系统对垃圾进行分类。Intuitive AI公司的首席执行官Hassan Murad表示，在“垃圾网”里，成千上万的垃圾可以被分类成数百个类别，这些都是通过“垃圾搜索”收集的。Murad说：“该系统正在接受训练，可以从局部视觉线索识别垃圾，比如当一个人的手抓着一个可乐罐或一袋皱巴巴的薯片时,它可以对人手中的垃圾进行识别。”

根据识别与分析结果，它能对用户的投放行为进行指导，并与用户进行互动。它能够直接在显示屏上指示用户根据分类将垃圾丢入桶内。如果成功完成分类，屏幕上会撒满五彩纸屑，或分享一些福利、折扣二维码。如果分类错误，Oscar会提出批评，还会在屏幕上显示一个暗红色的标志，提醒用户犯了错误。

波兰Bin-e人工智能垃圾桶

与上述产品类似的，还有前几年波兰创业公司Bin-e公司开发的一种人工智能垃圾桶，用户只需要在垃圾桶前扫描一下垃圾，舱门便会打开。这个人工智能垃圾桶是通过传感器、摄像头、AI图像识别算法来自动进行垃圾分类，使用起来可以说是很方便了，而且回收公司也可以通过APP来随时检查垃圾桶的剩余空间等。

除了回收垃圾，Bin-e垃圾桶甚至还能够通过垃圾分析附近用户的消费习惯（当然是非实名的方式），包括饮料、食品的品牌和数量，对于一些经营商业广场的商业用户来说，显然是具有一定价值的。

目前，Bin-e垃圾桶已经获得了一些订单，预计在今年10月部署在德国和波兰的一些智能建筑内，同时在2018年开始向其他国家和地区出售。据悉，垃圾桶本身并不出售，仅收取安装费和包月云服务订阅费，未来还将进入普通户外和家庭市场。

Trashbot自动分拣系统：监控流向

Trashbot由位于匹兹堡的CleanRobotics公司开发，利用人工智能机型自动分拣，消除人为的垃圾分拣错误。除了自动分拣，它还能监控垃圾流向，对回收情况进行分析。

Trashbot利用各种传感器和人工智能技术识别垃圾的材料，将其分类。通过传感器和云处理，它能检测垃圾投放情况，根据社区的垃圾投放情况进行实时更新。若系统检测到垃圾桶已满，它将会把这一信息及时发送给居民。

Trashbot利用传感器检测到正要接近的人，然后自动打开盖子，你就可以把垃圾扔进去啦~

金属探测器和机器视觉系统会分析这个物体是属于哪个种类，可回收呢？还是可掩埋呢等等。决定好后，活动门系统和倾斜电机就会把垃圾放到正确的垃圾桶内~不怕记不住那些细致到令人发指的规定，也不怕粗心而分错类了

Trashbot完成垃圾分类后，其重量传感器在周期内跟踪可回收材料和填埋物的数量，根据对数据的统计提高其分辨能力。

这一系统提高了回收的质量与效率，在推广垃圾分类的过程中能够为相关企业和市政部门提供有价值的数据信息。随着时间推移，机器对不同材料的熟悉程度逐步提高，Trashbot的分拣准确度也随之提高。

垃圾分类：自觉为主，AI机器人为辅

据财经媒体报道称，我国每年产生近10亿吨垃圾，其中生活垃圾产生量约为4亿吨，建设垃圾约为5亿吨，数据显示国内垃圾分类市场规模接近两千亿元。因此，在各种政策倡导和绿色环保的主流风向下，垃圾分类确实也是一个值得被思考、被“智能化”的应用场景。

以上介绍的这些AI系统主要应用于垃圾分类的执行阶段，较为初级。随着技术的不断提升与创新，相信在不远的未来，人工智能技术能够帮助人类完成更复杂的工作，在垃圾分类和资源利用领域发挥更大作用。

其实不只是垃圾回收与资源再利用，对于其他环境问题，我们同样需要更智能化的解决方案。期待未来涌现出更多的新技术与新思想，在高效解决环保问题的同时，能够帮助我们培养好环保的生活习惯，提高环保意识。

但尽管现在人工智能和机器人可以帮助我们更加精准的分拣，但是垃圾分类却是我们每个人都应该知道的事情，应该让小朋友从小就学会辨别不用类别的垃圾，尤其是废旧电池和电子产品之类的有害垃圾。

你觉得上面这些垃圾分拣机器人中，最应该被商用的是哪一款呢？欢迎在评论区留言讨论。