NVIDIAは公式ブログで、NVIDIA Inceptionプログラムの新興企業4社が視覚AIとロボットで古着、ボトル、混合資源ごみを選別していると紹介した。記事は、世界の首脳がトルコで開かれるCOP31に集まる時期に公開され、ゼロウェイストが強調されている。
NVIDIAによると、経済に入る素材のうち再生または再利用由来は7%未満で、都市ごみは年間20億トン超、2050年までにほぼ倍増する可能性がある。以下の成果は、特記がない限りNVIDIAが伝えた各社の主張だ。
AIRECOはプラスチックをどう細かく選別するのか
台湾拠点のAIRECOは、選別が細かいほど再生プラスチックのコストが下がり品質が上がり、新品素材と競争できると考える。創業者でCEOのChun-Feng Liu氏は、ボトルが何度もボトルに戻る循環を目指す。
- ハードウェア：NVIDIA Jetson Orin NXモジュール。ベルトから品物を取るロボットアームも制御
- 場所：台南のリサイクル工場の試験ライン
- 精度：試験ラインでの認識率は95%を超える
- 計画：来年に本格的な生産ラインを稼働し、年間処理能力を18,000トンから48,000トンへ、運用コストを85%削減する目標
EverestLabsのロボットは選別ラインで何をするのか
米国のEverestLabs AIは、家庭の資源ごみを分ける施設のベルトに、視覚誘導ロボットを導入している。北米とオーストラリアで約150台が稼働中だ。
- エッジではNVIDIA RTX GPUで推論し、データセンターのGPUで学習
- 同社の推定では、これまでに約40 billion個（400億個）の物体を識別
- 約25,000トンの素材を再資源化し、約30,000メートルトンの二酸化炭素排出を回避したと推定
- 現場管理者から経営層向けにデータを示すエージェント型AIツールも提供
GreyparrotのAnalyzerは何を測るのか
事業者は長年、ベルト上の内容を1%未満の手作業サンプリングで判断してきた。英国のGreyparrotはAnalyzerをベルトの上に設置し、粉じんや暗い環境でも毎秒最大4メートルのベルト上の物体を素材とブランドで識別する。
- 20か国超で300台超が稼働
- これまでに1 trillion回（1兆回）超のバウンディングボックス検出
- 15トンの廃棄物の確認が375時間から6時間に短縮
- 導入施設は10%から30%の効率向上を報告
- Coca-Cola、Colgate-Palmolive、Kenvueも包装のリサイクル状況の測定に利用
reverse.fashionは古着をどう選別するのか
欧州では年間7 million（700万）トン近い古繊維が出て、約4分の1が分別回収され、手作業で選別される。作業は遅く高コストだ。ベルリン拠点のreverse.fashionは、高解像度の画像認識で種類、傷、色、サイズ、ブランド、生地構造、季節、スタイルを読み取り、各衣類を最も価値の高い区分に振り分ける。
各衣類は毎秒3メートルで流れ、NVIDIA Jetson上の十数個を超える視覚モデルを通る。共同創業者のKarsten Pufahl氏は、以前は1週間かかった選別が1時間でできると見積もり、欧州の施設に展開中だ。Tech.euは、衣類が再使用、修理、再販、アップサイクル、リサイクルに振り分けられ、同社が顧客の生産性を40 per cent高められると述べていると報じた。
価格は出ているのか
どの情報源も、これらのシステムの価格や契約条件を示していない。対象はリサイクル事業者で、一般消費者向けではない。
誰に向いているか
リサイクル施設の運営者。 推測や手作業の抽出検査を、継続的なデータに置き換える点が共通する。
ブランドと包装メーカー。 Greyparrotは、Coca-Cola、Colgate-Palmolive、Kenvueが実際の選別工場での包装の扱いを知るのに使っていると述べる。
繊維の選別業者と再販業者。 reverse.fashionは、再利用できる衣類の価値を埋もれさせる手作業の工程を狙う。
一般の読者。 購入できるものはないが、選別技術の方向性が分かる。
まだ分からないこと
数値は各社によるもので、AIRECOの処理能力とコストの数字は未完成のラインの目標だ。独立した試験結果や費用を示す情報源はない。
