代替人类分拣垃圾的机器人

麻省理工学院计算机科学与人工智能实验室的“Rocycle”系统使用手持传感器来检测物体是纸、金属还是塑料

每年，垃圾回收公司都会筛选出6800万吨的可再生用品，这相当于超过3000万辆汽车的重量。

这一过程中的一个关键步骤发生在快速移动的传送带上，工人们必须将物品分类，如纸张、塑料和玻璃。这类工作枯燥、肮脏，而且往往不安全，尤其是工人还必须从设备中的混合物里筛选正常垃圾。

有鉴于此，由麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究人员领导的一个团队开发了一个机器人系统，可以检测物体是纸、金属还是塑料。

该团队的“Rocycle”系统包括一只柔软的特氟隆材质手掌，可以与任何机械臂兼容的指尖上使用触觉传感器来检测物体的大小和硬度。Rocycle在静止状态下检测材料的准确率为85%，在实际模拟传送带上的准确率为63%。（最常见的错误是将纸覆盖的金属罐识别为纸，研究小组说，通过在接触面上增加更多的传感器，可以改善这种情况。）

麻省理工学院教授Daniela Rus说：“我们机器人的感知皮肤提供触觉反馈，使其能够区分各种各样的物体，从刚性物体到黏糊糊的物体。”他是一篇相关论文的高级作者，该论文将于4月在韩国首尔举行的电气和电子工程师协会软机器人国际会议上发表。单靠计算机视觉是无法解决给机器以人类般的感知的问题的，因此能够使用触觉输入至关重要。

Rocycle与耶鲁大学的合作直接展示了基于视觉分类的局限性：它可以可靠地区分两个外观相似的星巴克杯子，一个是纸制的，另一个是塑料制的，但这会给视觉系统带来一些麻烦。

鼓励回收利用

罗斯说，这个项目是她更大目标的一部分，目的是降低回收的后端成本，以激励更多的城市和国家创建自己的项目。如今，回收中心并不是特别自动化；它们的主要机械包括使用不同波长的光来区分塑料的光学分拣机，分离钢铁产品的磁性分拣机，以及使用涡流去除非磁性金属的铝分拣机。

就在上个月，中国提高了从美国接收的再生产品的清洁度标准，这意味着中国的一些再生产品订单现在被送往垃圾填埋场。

“如果像Rocycle这样的系统能够大规模部署的话，我们就有可能以较低污染率的多流循环实现单流循环的便利性”这篇新论文的主要作者、博士生Lillian Chin说。

令人惊讶的是，要开发出能够区分纸、塑料和金属的机器是非常困难的，这表明了它对人类来说是多么令人印象深刻的一项壮举。当我们拿起一个物体时，即使闭上眼睛，我们也能立即认出它的许多特性，比如它是大而硬还是小而软。通过感受物体并了解这与我们自己指尖的柔软度有何关系，我们能够学会如何在不掉落或折断物体的情况下处理各种各样的物体。

这种直觉很难编程让机器人掌握。传统的硬机械手必须知道物体的精确位置和大小，才能计算出精确的运动路径。不过柔软橡胶这样的材料制成的机械手虽然灵活，但有一个不同的问题：因为它们是由流体动力驱动的，所以有一个类似气球状的结构，很容易被硬物刺穿。

Rocycle的工作原理

Rus的研究小组使用了一种叫做“膨胀性”的相对较新材料制成的电动手。大多数材料在拉扯时会变窄，就像橡皮筋在拉伸时一样；但这种材料实际上会变宽。麻省理工学院的研究小组采用了这个概念对其进行了扭曲：他们创造了一种膨胀物质，当被切割时，它可以向左或向右扭曲。将“左手”和“右手”两个大的手指结合在一起，使它们相互连锁，相互对应，使运动更加活跃。（研究小组称之为“膨胀塑性手”）

“与需要空气泵和压缩机的软性机器人相比，膨胀塑性手只需弯曲与延伸相结合，意味着你能够使用普通的马达”Chin说。

该小组的抓取器首先使用它的“应变传感器”来估计物体的大小，然后使用它的两个压力传感器来测量抓取物体所需的力。这些指标以及不同材料类型物体的尺寸和刚度的校准数据，使抓取器能够感觉到物体是由什么材料制成的。（由于触觉传感器也是导电的，因此它们可以通过金属改变电信号的程度来检测金属。）

“换句话说，我们估计大小，测量当前闭合手和正常张开手之间的压差”Chin说。“我们利用这个压差和尺寸，根据我们已经测量过的不同物体的大数据，对特定物体进行分类。”

Rocycle建立在一组传感器的基础上，这些传感器可以以正负30%的误差检测物体半径，并以78%的精确度区分“硬”物体和“软”物体。这种机械手也几乎完全防穿刺：它能被锋利的盖子刮伤或者被一根针刺穿20多次，也不会受到太大损害。

研究人员下一步计划建立一个系统，这样它就可以将触觉数据和机器人摄像头的实际视频数据结合起来。这将进一步提高其准确性，并可能允许在不同材料之间进行更细微的区分。

Chin和鲁斯，以及麻省理工学院的博士后杰夫瑞·利普顿，耶鲁大学的博士生Michelle Yuen和Rebecca Kramer Bottiglio教授共同撰写了RoCycle的论文。

这个项目得到了亚马逊、京东、丰田研究所和国家科学基金会的支持。

亚当•康纳•西蒙斯|麻省理工计算机科学与人工智能实验室

2019年4月16日