AMP Robotics开发了一个人工智能平台(AMP Neuron)，用于区分可回收材料和废物。您是怎么想到这个主意的?
从我还是个孩子的时候起，我就对机器人和智能的起源感兴趣。在加州理工学院攻读控制和动力系统博士学位时，我看到了现在被称为深度学习的主题的一些主要成果。
一系列算法上的突破导致机器学习首次学会了如何看东西，大致和人类一样。毕业后，我想找到这项技术有用的地方，后来在回收领域找到了。
回收行业似乎对这项技术的需求最大。当我参观回收设施时，我与人们谈论了他们面临的挑战。
他们告诉我，在回收过程中分离出的材料的质量问题，以及设施中员工流动率高的问题。机器学习和机器人技术的融合提供了令人信服的机会，可以将传统中劳动密集型、高成本、不一致和限制性的任务进行自动化。自动化可以从这些复杂的异构材料流中释放出更多的价值。
如何准确识别不同的产品，并从废品物流中去除正确的产品?
AMP的专有AI技术AMP Neuron，可以通过查看回收设施内传送带上的可回收材料图像来工作。相机对材料的感知方式与人类非常相似。
寻找特定的颜色、形状、纹理、徽标等，AI系统可识别与材料类型相关的图案，并将这些图像数字化，使用生成的数据实时推断分拣环境中的可回收材料和污染物。
AI系统通过将数百万张材料图像处理成数据来不断训练自己，建立在不断扩展的神经网络之上，以适应设施材料流的变化。
向机器人传输哪些数据?信息如何在它们之间传递?
AMP Neuron将其在传送带上看到的每件物品的每张图像数字化，然后根据客户的设置引导机械臂拾取编程的材料。随着更多机器人的部署，该行业将可以利用数百个单元的网络智能。
我们在生产中部署的基于AI的机器人和传感器越多，产生的网络效应就越多。就我们的系统而言，这种网络效应成倍地增加了分拣的智能。
如果出现具有挑战性的包装类型或新材料，我们能够捕获图像并训练AI来识别物体。然后将这些知识部署到整个机器人系统中。
从本质上讲，我们部署的机器人越多，每个客户就越能通过扩展AI的材料知识来帮助另一个客户。有趣的是，人工智能可以学会识别几乎任何可以教一个人识别的东西。
这意味着人工智能可以识别超越塑料树脂或其他类型的材料。它可以识别品牌、外形因素、某些类型的损坏。这为分拣功能提供了一个全新的水平。例如，它可以识别铝箔与铝罐，或食品级与非食品级聚丙烯。
系统正在识别和分类混合材料。
在分类回收时遇到的最常见问题是什么?
回收涉及传送带上物体的种类、形状和方向的无限变化。训练神经网络来检测回收物品流中的物体并不容易，尤其是当你考虑到这些物体到达回收设施时可能经历的物理变形时，这是一个完全不同的挑战。
它们可以被折叠、撕裂、粉碎或部分被其他物体遮挡。这一挑战反映在机器人抓手上，您需要能够处理令人难以置信的各种不同形状因素和包装损坏类型。
此外，还面临着跟上消费品包装不断变化的最新趋势的挑战。任何依靠视觉观察来学习包装和材料类型之间关联的机制都需要消耗稳定的数据流，以确保准确分类对象。
如何帮助企业提高回收率?
我们正在努力提高回收的经济性和效率，从而降低回收成本并显着增加高质量回收原料的数量。为此，我们将技术作为改造解决方案部署到现有设施中，并运营我们自己的设施，从头开始使用AI设计。
一个重要因素是人工智能显著降低了测量设施内发生情况的成本。每个AI传感器可以识别几乎所有感兴趣的不同材料类型。
凭借其以软件为中心的方法，在设施内进行"废物表征"的成本从每吨数千美元下降到每吨仅几美元(或在某些应用中不到1美元)。这将使了解行业中材料流动的实际情况的成本降低了几个数量级。
自动化在改善包装行业的回收和可持续性方面可以发挥什么作用?
回收过程的自动化推动了一致性，因为机器人可以 24/7 全天候工作。他们不累，也不需要休息。此外，它们可以在比人类移动更快的皮带上工作。
它们的一致性也提高了回收商品的质量。机器人是灵活的;我们的系统可以进行调整，以反映物料流变化、商品价格等。
材料回收设施(MRF)中废料的数字化开辟了许多潜在的应用。目前MRF中部署的前两个是机器人分拣以及独立传感器提供的描述性和诊断分析。
随着传感器分布在整个MRF中，我们能够帮助MRF成为一个更加数据驱动的设施，以降低成本并增加收入。目前，MRF是一个集中的材料中心，但这些传感器的扩散开始将MRF转变为信息中心。
MRF中的数据捕获也会影响新设施的设计。例如，AMP公司将AI应用于物料识别和高级自动化已经成熟到可以开发高分流二次分拣设施的地步，这些设施在更广的范围内部署和维持都是具有经济性的。
通过我们的二次分拣模型，AMP 以高精度和纯度回收各种形状和属性的混合纸张、金属和塑料组合，特别关注基于AI技术特有的塑料混合物。我们将这些商品转售给终端市场买家，包括加工商和制造商所需的定制化学和聚合物混合物。
我们的技术可以帮助生产商提高回收率，为可回收物创造新的价值流，最终帮助他们追求回收成分的目标。随着生产者责任延伸 (EPR) 计划的出现和成熟，MRF设施中不断增加的传感器部署可以帮助满足报告回收率的需求。
回收的数据收集、测量和材料表征也创造了一种机制，以支持政府和组织要求的环保计划，这些计划侧重于垃圾填埋场转移目标和回收成分标准，以促进更循环的经济。
AMP Cortex 正在为西班牙的一家企业分拣材料。
AI驱动的自动化解决方案如何影响包装行业的发展?
我们最新的创新之一是 AMP Vortex，这是一种AI驱动的自动化解决方案，旨在提高薄膜和软包装的回收率。再生材料行业缺乏识别和分离薄膜和软包装的基础设施，这些材料会干扰MRF设备，而不是为管理它而设计的。
薄膜和软包装进入MRF的每一条生产线，导致高水平的污染。但是，由于重量轻，这些材料中的大多数都进入了纤维生产线。
薄膜污染会降低纤维包的纯度，导致收入损失或需要额外的下游后处理。由于这些材料回收原材料复杂且昂贵，薄膜和软包装的终端市场一直受到限制。
我们正在开发的Vortex解决方案，以定位和回收用于打包和销售的薄膜和软包装，这将最终减少这些材料产生的废物。
我们的使命是应用技术来实现一个没有浪费的世界。我们已经在建筑和拆除、电子废料和有机物等领域有所发展，但我们的目标是将我们的技术应用于任何可以提高每吨材料利润率的环境中。
随着行业响应消费品公司的承诺，使用更多的消费后回收材料，对AI和机器人技术的需求继续蓬勃发展，以实现现有回收设施的现代化。
通过这些改造，我们看到了几个领域的机会，从材料表征能力的广度和精度，到增加数据使用以改善回收操作，再到帮助政策制定者实现可持续发展目标。
