Пил на цьому жвавому заводі з переробки є повсюдним, а постійний шум бункерів та конвеєрних стрічок робить це середовище складним для роботи.

Завод у Рейнхемі, східний Лондон, належить Sharp Group, сімейній фірмі з управління контейнерами та відходами.

Вздовж конвеєрних стрічок проходить все, що ви можете собі уявити, від взуття до старих VHS-касет та бетонних блоків.

Команда тут щороку переробляє до 280 000 тонн змішаної переробки, а на швидкісних конвеєрних стрічках працюють 24 агентські працівники.

Це небезпечна галузь. Хоча Sharp Group пишається своїми показниками безпеки, кількість травм та захворювань, пов’язаних з роботою, у цьому секторі на 45% вища, ніж в інших галузях. А рівень смертності значно перевищує середній показник по країні.

Ці фактори, разом із неприємним характером роботи, ускладнюють утримання працівників. Щорічна плинність кадрів сягає 40%.

«Стрічка постійно рухається, ви постійно щось збираєте. Я змінюю багато збирачів, бо вони просто не підходять для роботи», — каже керівник лінії Кен Дордой.

Фірма змінює збирачів через різні матеріали кожні 20 хвилин, і я бачив, як стрічка періодично зупиняється для перепочинку.

Потенційна відповідь на цю високу плинність кадрів також була на лінії, коли я відвідав її. Робот, відомий як Alpha (Automated Litter Processing Humanoid Assistant), навчався збирати сміття.

Побудований компанією RealMan Robotics у Китаї, він адаптується для реальних операцій з переробки британською фірмою TeknTrash Robotics.

Автоматизовані роботи не є новими для цього сектору, але використання гуманоїда є незвичним.

Засновник і генеральний директор TeknTrash Ел Коста стверджує, що копіювання людських рухів дозволяє його роботу вписатися в існуючі заводи без переробки обладнання.

Alpha ще не набрав обертів, натомість він перебуває в програмі навчання та отримує інструкції за допомогою рухів рук. Поруч із ним працівник заводу носить гарнітуру віртуальної реальності, щоб записувати власні зусилля, щоб продемонструвати, як виглядає успішне збирання та сортування.

Процес навчання складається з двох частин. Перша — це визначення того, що знаходиться на конвеєрі, а друга — це фактичне підняття предметів.

Коста каже, що саме так виглядає навчання на ранній стадії.

«Ринок вважає, що ці роботи — це готові роботи, що все, що вам потрібно зробити, це підключити їх до мережі, і вони працюватимуть бездоганно. Але їм потрібні великі дані, щоб бути ефективно корисними».

Він показав мені, як система під назвою HoloLab передає дані з кількох камер для навчання Alpha.

Вони попереджають його про наближення, направляють його руки та повідомляють про невдачі, якщо непідібрані елементи залишаються на конвеєрі. Проходження тисяч елементів щодня передає мільйони точок даних.

Навчання може зайняти деякий час, але якщо воно спрацює, це може значно полегшити життя фірми.

«Привабливість гуманоїда полягає в тому, що ви можете помістити його сюди, і він тут залишається. Він збиратиме весь день, 24 години на добу, сім днів на тиждень. Він не буде подавати заявку на відпустку, у нього не буде лікарняного», — каже Челсі Шарп, директор з фінансів заводу та онука засновника компанії Тома Шарпа.

Альтернативою цьому є будівництво нових заводів на замовлення або модернізація існуючих об’єктів новим обладнанням від таких компаній, як AMP з Колорадо.

Компанія керує трьома власними заводами та постачала своє обладнання десяткам інших об’єктів по всьому світу, включаючи Європу та Велику Британію.

Генеральний директор Тім Стюарт пояснює, що AMP використовує повітряні струмені для спрямування матеріалу в жолоби.

Штучний інтелект є частиною процесу, оскільки він постійно вдосконалює спосіб, яким система ідентифікує та сортує матеріали.

«Наші роботи набагато ефективніші за людей, ймовірно, у вісім чи десять разів швидше. Технологія штучного інтелекту та струмені дійсно збільшили потужність, ефективність та точність того, що ми можемо робити».

Каліфорнійський претендент Glacier був співзасновником Ребекки Ху-Трамс. Система її компанії використовує навісні роботизовані машини та штучний інтелект для сортування сміття.

Вона зазначає, що величезна мінливість сміття є великою проблемою для сортувального обладнання.

Іноді пивна банка розбризкує рідину всюди, загрожуючи обладнанню, а її клієнти також бачили «неймовірні речі, такі як ручні гранати та вогонь, що проходять через їхній об’єкт».

«Оскільки наші моделі навчаються на понад мільярді елементів, штучний інтелект стає все кращим і кращим», — каже Ху-Траса.

«І ми завжди розробляли нашу технологію так, щоб вона працювала не лише для великих міських заводів, а й для напівсільських об’єктів, що працюють зі значно обмеженими бюджетами».

З різними підходами всі три компанії погоджуються, що модель, що інтенсивно використовує людину, більше не є сталою.

У всій галузі науковці, що вивчають переробку відходів, кажуть, що перехід до автоматизації не тільки неминучий, але й необхідний.

Як зазначає професор Маріан Чертоу з Єльського університету: «Робототехніка в поєднанні з системою зору на основі штучного інтелекту пропонує найбільший потенціал для покращення відновлення матеріалів, досвіду працівників та економічної конкурентоспроможності в секторі переробки».

У східному Лондоні досвід працівників «непривабливий», визнає Челсі Шарп.

«Це справді брудне місце для роботи. Ви можете бачити пил, ви можете чути шум. Це не так приємно».

Роботів ці умови не турбують, але що станеться з працівниками-людьми, коли технології розширяться?

Шарп стверджує, що будуть додаткові можливості працевлаштування: «План полягає в тому, щоб підвищити кваліфікацію цього персоналу. Вони будуть обслуговувати та контролювати роботів. І це захищає цих самих людей від будь-яких небезпек, включаючи неприємне середовище, важку роботу та шум».