每年，垃圾处理公司都会分拣估计达6800万吨的可回收物，其重量相当于3000多万辆汽车。
这一流程中的一个关键环节发生在快速运转的传送带上，工人必须将物品分成纸张、塑料和玻璃等类别。这类工作枯燥、肮脏，而且往往不安全；尤其是在工人还必须从混合物中挑出普通垃圾的设施里。
有鉴于此，由麻省理工学院（MIT）的研究人员牵头的团队计算机科学与人工智能实验室（CSAIL）开发出一种机器人系统，能够检测物体是纸、金属还是塑料。
该团队的“RoCycle”系统配有一只柔软的特氟龙手，利用指尖上的触觉传感器检测物体的大小和硬度。RoCycle可适配任何机械臂；测试发现，它在物体静止时识别材料的准确率为85%，在实际模拟传送带上则为63%。（它最常见的错误是把覆有纸张的金属罐识别为纸；团队表示，在接触面增加更多传感器即可改善这一问题。）
“我们机器人的传感皮肤能够提供触觉反馈，让它区分从坚硬到柔软的各种物体，”麻省理工学院教授丹妮拉·鲁斯说。她是相关论文的资深作者，该论文将于4月在韩国首尔举行的IEEE软体机器人国际会议（RoboSoft）上发表。“仅凭计算机视觉无法解决赋予机器类人感知能力的问题，因此，能够利用触觉输入至关重要。”
RoCycle与耶鲁大学合作研发，直接展示了基于视觉分拣的局限：它能可靠地区分两个外观相似的星巴克杯子，一个由纸制成，另一个由塑料制成，而这会令视觉系统难以判断。
为回收利用提供激励
鲁斯表示，该项目是她更宏大目标的一部分：降低回收利用的后端成本，从而激励更多城市和国家建立自己的回收计划。如今，回收中心的自动化程度并不高；其主要设备包括利用不同波长的光区分塑料的光学分拣机、分离铁和钢制品的磁力分拣机，以及利用涡电流去除非磁性金属的铝分拣机。
这之所以是个问题，有一个非常重要的原因：就在上个月，中国提高了对其接收的再生商品清洁度的标准，这意味着美国部分单流回收物如今被送往垃圾填埋场。
“如果RoCycle这类系统能够大规模部署，我们或许既能享受单流回收的便利，又能获得多流回收较低的污染率，”博士生莉莲·秦说。她是这篇新论文的第一作者。
开发能够区分纸、塑料和金属的机器，难度出人意料地大，这也说明人类做到这一点有多么了不起。拿起一个物体时，即使闭着眼睛，我们也能立刻辨认出它的许多特性，例如它是大而硬，还是小而软。通过触摸物体，并理解这种触感与我们自己指尖的柔软程度之间的关系，我们能够学会拿取各种物体，而不让它们掉落或破损。
要把这种直觉编入机器人程序并不容易。传统的硬质（“刚性”）机械手必须知道物体的确切位置和尺寸，才能计算出精确的运动路径。橡胶等材料制成的软手灵活得多，但也有另一个问题：它们由流体力驱动，结构像气球一样，很容易被刺破。
RoCycle的工作原理
鲁斯的团队使用了一只由电机驱动的机械手，其材料是一种相对较新的材料，称为“拉胀材料”。大多数材料受拉时会变窄，就像橡皮筋被拉伸时那样；而拉胀材料则会变宽。麻省理工学院团队借鉴这一概念，并从字面意义上做了变化：他们制成的拉胀结构在切开后会向左或向右扭转。机械手的两个大手指各采用一组“左旋”和“右旋”拉胀结构，使它们相互咬合并抵消彼此的旋转，从而实现更灵活的运动。（团队将其称为“手性剪切拉胀结构”，简称HSA。）
“与需要气泵和压缩机的流体驱动式软体机器人不同，HSA将扭转与伸展结合起来，因此可以使用普通电机，”秦说。
团队的抓手先利用“应变传感器”估算物体的大小，然后用两个压力传感器测量抓取物体所需的力。这些测量值，以及针对不同材料类型物体的尺寸和硬度进行校准所得的数据，让抓手能够判断物体由什么材料制成。（触觉传感器也具有导电性，因此能够根据金属对电信号的影响程度检测金属。）
“换句话说，我们会估算物体的大小，并测量当前闭合的手与正常张开的手应呈现的状态之间的压力差，”秦说。“我们根据这一压力差和物体大小，并结合已测量过的不同物体信息，对具体物体进行分类。”
RoCycle采用一组传感器作为基础，这些传感器检测物体半径的准确率在30%以内，并能以78%的准确率区分“硬”和“软”物体。团队的机械手也几乎完全耐穿刺：它曾被锋利的盖子刮擦，也被针刺穿20多次，但结构损伤极小。
下一步，研究人员计划扩展这一系统，使其能够将触觉数据与机器人摄像头拍摄的实际视频数据结合起来。这样团队就能进一步提高准确率，并有望更细致地区分不同种类的材料。
秦和鲁斯与麻省理工学院博士后杰弗里·利普顿，以及耶鲁大学博士生米歇尔·袁和教授丽贝卡·克雷默-博蒂利奥共同撰写了RoCycle论文。
该项目部分获得了亚马逊、京东、丰田研究院和美国国家科学基金会的支持。
