NVIDIA 在官方网志介绍四间 NVIDIA Inception 计划的初创企业，它们以视觉 AI 与机器人分拣旧衣物、胶樽及混合可回收物。文章发表之际，各国领袖正出席在土耳其举行的 COP31，大会强调零废物。
NVIDIA 指出，进入经济体系的物料中，来自回收或再用的不足 7%；市政固体废物每年超过 2 billion 吨（20 亿吨），数字到 2050 年可能接近倍增。以下成绩除另有说明外，均为公司自称并由 NVIDIA 转述。
AIRECO 如何更精细地分拣塑胶？
总部设于台湾的 AIRECO 认为，分拣越细，再生塑胶成本越低、质量越高，才能与新料竞争。创办人兼行政总裁 Chun-Feng Liu 的目标，是让胶樽一次又一次回收成胶樽。
- 硬件：NVIDIA Jetson Orin NX 模组，同时驱动从输送带拣货的机械臂
- 地点：台南一间回收厂的试验线
- 准确度：测试线上的辨识率超过 95%
- 计划：明年启用完整生产线，目标把年处理量由 18,000 吨提高至 48,000 吨，并把营运成本降低 85%
EverestLabs 的机器人在分拣线上做甚么？
美国初创 EverestLabs AI 在家居可回收物分拣厂的输送带上部署视觉导航机器人，目前在北美及澳洲约有 150 部。
- 在边缘端以 NVIDIA RTX GPU 推论，并以数据中心 GPU 训练模型
- 公司估计系统至今已辨识约 40 billion 件物品（400 亿件）
- 估计回收约 25,000 吨物料，避免约 30,000 公吨二氧化碳排放
- 推出代理式 AI 工具，向现场经理及管理层提供数据
Greyparrot 的 Analyzer 量度甚么？
营运商长期靠人手抽查不足 1% 的废料来判断输送带上有甚么。英国初创 Greyparrot 把 Analyzer 装在输送带上方，以物料及品牌辨识每件物品，即使在尘埃多或光线差的环境，输送带时速高达每秒 4 米也可运作。
- 超过 300 套系统在逾 20 个国家运作
- 至今完成逾一 trillion 次（万亿次）边界框侦测
- 检查 15 吨废料的时间由 375 小时缩短至六小时
- 使用实时数据的设施报告效率提升 10% 至 30%
- Coca-Cola、Colgate-Palmolive 及 Kenvue 亦用它量度包装的回收情况
reverse.fashion 如何分拣旧衣？
欧洲每年产生近 7 million 吨（700 万吨）旧纺织品，约四分之一被分类收集后靠人手分拣，既慢又贵。柏林初创 reverse.fashion 以高分辨率视觉辨识衣物类型、瑕疵、颜色、尺码、品牌、布料结构、季节及款式，再把每件衣物归入最有价值的类别。
每件衣物以每秒 3 米的速度经过输送带，通过逾十个在 NVIDIA Jetson 模组上运行的视觉模型。共同创办人 Karsten Pufahl 估计，系统一小时可完成过往需一星期的分拣，并正在欧洲的设施推出。Tech.eu 报道，衣物会被分到再用、维修、转售、升级再造或回收，公司称客户可把生产力提高 40 per cent。
有价格吗？
所有消息来源都没有列出这些系统的价格或合约条款。它们面向回收营运商，并非消费者产品。
适合哪些人？
回收厂营运商。 共通点是以持续数据取代猜测或人手抽样，其中两家更以机器人实时拣货。
品牌及包装商。 Greyparrot 表示 Coca-Cola、Colgate-Palmolive 及 Kenvue 用其数据了解包装在真实分拣厂的表现。
纺织分拣及转售商。 reverse.fashion 针对拖慢可再用衣物转售的人手分拣环节。
一般读者。 当中没有可购买的产品，但可看到分拣技术的发展方向。
还有哪些未知？
数字来自公司本身，AIRECO 的产能及成本数字只是尚未建成的生产线的目标。目前没有来源提供独立测试结果或成本。
