Opis projektu
Robotyka pozwala odzyskiwać materiały nadające się do recyklingu
Odzyskiwanie materiałów nadających się do recyklingu odbywa się zwykle manualnie w zakładach odzyskiwania materiałów znajdujących się w pobliżu gęsto zaludnionych obszarów miejskich. Najnowsze osiągnięcia z zakresu SI i robotyki pozwalają na zautomatyzowanie działalności tych zakładów. To rozwiązanie nie jest jednak oszczędne, a ponadto nie nadaje się do zastosowania w przypadku dużych ilości odpadów czy mniejszych obszarów. Podczas gdy przenośne jednostki do odzyskiwania takich materiałów jawią się jako dobre rozwiązanie dla tego drugiego problemu, one również mają swoje ograniczenia. Dlatego badacze z finansowanego ze środków UE projektu RECLAIM opracują przenośną robotyczną jednostkę do odzyskiwania materiałów na mniejszą skalę dzięki wykorzystaniu sprawdzonych technologii z zakresu robotyki, SI i analizy danych. Zespół przyjął podejście modułowe oparte na wielu robotach z wieloma chwytakami do odzyskiwania materiałów oraz podejście oparte na nauce obywatelskiej.
Cel
Recyclable materials recovery is a key element of the circular economy and the EU Green Deal. It is typically performed manually at large scale Material Recovery Facilities (MRFs) installed close to dense urban areas. Recent advances in AI and robotics have enabled the automation of several MRF activities. However, they target large waste volumes and are not cost-effective for smaller, less accessible areas.
To accommodate the latter, portable material recovery units can be deployed nearby. Despite the increasing demand for portable units, offerings lack intelligent, automated components that could significantly increase their productivity.
To fill this gap, RECLAIM will develop a portable, robotic MRF (prMRF) tailored to small-scale material recovery. The proposal exploits well-tested technology in robotics, AI and data analytics which is improved to facilitate distributed material recovery.
RECLAIM adopts a modular multi-robot/multi-gripper approach for material recovery, based on low cost Robotic Recycling Workers (RoReWos). An AI module combines imaging in the visual and infrared domain to identify, localize and categorize recyclables. The output of this module is used by a multi-RoReWo team that implements efficient and accurate material sorting. Further, a citizen science approach will increase social sensitivity to the Green Deal. This is accomplished via a novel Recycling Data-Game that enables and encourages citizens to participate in project RTD activities by providing annotations to be used in deep learning for the re-training of the AI module.
RECLAIM developments will be implemented and repeatedly assessed in demanding, real material recovery tasks. Three different scenarios will attest its effectiveness and applicability in a broad range of locations that face material recovery challenges. This will pave the way for the prMRF market uptake and provide a major boost in making Europe zero polluting, climate-neutral, sustainable and globally competitive.
Dziedzina nauki
- engineering and technologyenvironmental engineeringwaste managementwaste treatment processesrecycling
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- social sciencespolitical sciencespolitical policiescivil society
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringrobotics
- social scienceseconomics and businesseconomicssustainable economy
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
HORIZON-CL4-2021-DIGITAL-EMERGING-01
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-IA - HORIZON Innovation ActionsKoordynator
70013 Irakleio
Grecja