倫敦回收廠引入人形機器人，自動化轉型應對高危工作環境
Robots move in as waste firms struggle to find staff
作者: David Waddell | 時間: Mon, 04 May 2026 23:43:28 GMT | 來源: BBC
f t
這間繁忙回收廠的塵埃無孔不入，料斗與傳送帶源源不絕的噪音，讓這裡成為一個艱困的工作環境。
位於倫敦東部的雷納姆設施由 Sharp 集團所擁有，這是一家家族經營的垃圾收集箱與廢棄物管理公司。
傳送帶上運轉著各式各樣，從鞋子到舊的 VHS 磁帶，再到混凝土塊。
這裡的團隊每年能處理高達 28 萬噸的混合回收物，其快速傳送帶上配置了 24 名外包人力。
這是一個危險產業。雖然 Sharp 集團自豪其安全紀錄，但該產業的工作相關意外與健康問題比率比其他產業高出 45%，而死亡率更是相當可觀的多倍於國家平均水平。
這些因素加上工作環境的不愉快性質，使得留任員工相當困難。年度員工流動率高達 40%。
「傳送帶一直不停運轉，你需要不斷撿選。我流失了很多撿選人員，因為他們根本無法勝任工作，」線路主管 Ken Dordoy 表示。
公司每 20 分鐘便輪換一次分類員處理不同材料，我亦發現傳送帶會定期暫停以供休息。
高員工流動率的潛在解決方案，在我訪問時也在場。一個名為 Alpha（自動化垃圾處理人形助理）的機器人正在接受訓練，學習如何撿選垃圾。
該機器由中國 RealMan Robotics 打造，正由英國公司 TeknTrash Robotics 進行改造，以適應現實世界的回收運作。
自動化機器人雖不新鮮，但使用人形機器人則相當罕見。
TeknTrash 創始人兼執行長 Al Costa 主張，複製人類動作能讓他的機器人融入現有工廠，而無需重新設計機械設備。
Alpha 尚未具備全速運作能力，目前正處於訓練階段，其手臂動作正被引導。旁側，一名工廠工人佩戴 VR 頭戴裝置，記錄自己的工作以示範成功的撿選與分類應呈現的樣貌。
學習過程分為兩個階段。第一是識別傳送帶上的物體，第二是實際拿起物品。
Costa 表示，這正是早期訓練的實際樣貌。
「市場認為這些機器人是預製成品，只需要插上電源就能運作。但為了有效發揮作用，它們需要大量的數據。」
他展示了一個名為 HoloLab 的系統，可利用來自多台相機的數據來訓練 Alpha。
他們會預警即將發生的狀況，引導其手臂，若未撿選的物品停留在傳送帶上則報告失敗。數千件物品的通過每天可產生數百萬個數據點。
訓練或許耗時，但若成功，將大幅簡化公司的運作。
「人形機器人的優勢在於，你一旦部署它，它就會留在此處。它能全天候工作，24 小時每天，7 天一周。它不會申請休假，也不會請病假，」工廠財務總監 Chelsea Sharp 表示，她是公司創始人 Tom Sharp 的孫女。
替代方案是建造新的專用工廠，或改造現有設施並安裝新設備，來自如美國科羅拉多州的 AMP 公司。
該公司運營三家自有工廠，並將其設備供給給全球數十個設施，包括歐洲和英國。
執行長 Tim Stuart 解釋，AMP 使用氣流噴嘴引導物品進入滑槽。
人工智慧是過程的一部分，因為它不斷優化系統識別與分揀材料的方式。
「我們的機器人比人類效率高得多，速度約是後者的八到十倍。AI 技術與噴嘴大幅提升了我們運作的能力、效率與準確度。」
加州競爭者 Glacier 由 Rebecca Hu-Thrams 共同創立。其公司的系統使用安裝式的機器人手臂和 AI 來分類垃圾。
她指出，垃圾內容的巨大變異性是分類設備的一大挑戰。
有時啤酒罐會噴射液體，威脅機械，她的客戶也曾見過「不可思議的物體，如手榴彈和槍械透過他們的設施」。
「隨著我們的模型從超過十億件物品的學習中，AI 表現越來越好，」Hu-Thrams 表示。
「我們一直設計技術，使其不僅適用於大型都市工廠，也能適用於預算較緊迫的半農村設施。」
採取不同方法，所有三家公司同意，人力密集的運作模式已不再可持續。
放眼整個產業，研究廢棄物處理的學者表示，轉向自動化不僅是不可避免，更是必要的。
如耶魯大學 Marian Chertow 教授所言：「機器人結合由 AI 驅動的視覺系統，提供了改善材料回收率、工人工作體驗，以及提升回收產業經濟競爭力的最大潛力。」
回到倫敦東部，Chelsea Sharp 承認，工人工作體驗確實是「缺乏吸引力」的。
「這是一個非常骯髒的工作場所。你可以看到塵埃，聽到噪音。這並不是很愉快。」
機器人不受這些環境影響，但隨著技術擴展，人類工人將何去何從？
Sharp 聲稱將有更多工作機會：「計畫是提升這些員工的素養。他們將負責維護與監督機器人。這也將把人員從危險中帶離，包括不適環境、重體力勞動及噪音。」