AI và robot đang thay đổi ngành phân loại và tái chế rác toàn cầu như thế nào

Trên toàn cầu, chưa đến 7% lượng vật liệu đầu vào của nền kinh tế có nguồn gốc từ tái chế hoặc tái sử dụng, trong khi rác thải sinh hoạt đô thị đã vượt mốc 2 tỷ tấn mỗi năm — con số được dự báo sẽ tăng gần gấp đôi vào năm 2050. Để giải quyết bài toán nan giải này, các cơ sở tái chế trên khắp thế giới đang ngày càng tìm đến AI thị giác và tự động hóa robot nhằm nhận diện chính xác và thu hồi các vật liệu có giá trị từ những dòng rác thải chuyển động nhanh.

Bốn startup thuộc chương trình NVIDIA Inception đang triển khai thị giác máy tính và cánh tay robot gắp phế liệu trực tiếp trên các dây chuyền phân loại, tháo gỡ điểm nghẽn trong khâu xử lý rác thải nhựa, thu hồi rác sinh hoạt đô thị và tái chế dệt may.

AIRECO tự động hóa quy trình phân loại nhựa độ tinh khiết cao

Tại Đài Loan, startup AIRECO đang ứng dụng AI thị giác để giải quyết bài toán kinh tế trong tái chế nhựa. Nhựa tái chế thường khó cạnh tranh với hạt nhựa nguyên sinh do chất lượng phế liệu không đồng đều, chi phí nhân công thủ công cao và nguy cơ bị "downcycling" (tái chế thành sản phẩm cấp thấp hơn).

Phương pháp tự động hóa của AIRECO tập trung vào khâu phân loại chi tiết nhằm hỗ trợ tái chế tuần hoàn khép kín (closed-loop recycling) — nơi các sản phẩm nhựa bị thải bỏ có thể được tái chế ngược trở lại thành chính dòng sản phẩm đạt cấp chất lượng tương đương, thay vì bị hạ cấp. Tại một nhà máy tái chế ở Đài Nam, dây chuyền thử nghiệm của công ty sử dụng các mô-đun NVIDIA Jetson Orin NX để chạy tác vụ suy luận (inference) và điều khiển cánh tay robot gắp các loại nhựa mục tiêu trên băng chuyền.

Hệ thống thử nghiệm đạt độ chính xác nhận diện trên 95%. AIRECO dự kiến triển khai một dây chuyền sản xuất hoàn chỉnh vào năm tới, đặt mục tiêu nâng công suất xử lý hàng năm từ 18.000 tấn lên 48.000 tấn, đồng thời cắt giảm tới 85% chi phí vận hành.

EverestLabs triển khai robot phân loại tốc độ cao

Tại các cơ sở thu hồi vật liệu, rác thải di chuyển liên tục trên các băng chuyền tốc độ cao — nơi công việc phân loại truyền thống vô cùng nặng nhọc và tiềm ẩn nhiều nguy hiểm. Startup EverestLabs của Mỹ đã giải quyết vấn đề này bằng cách lắp đặt các robot định hướng bằng thị giác máy tính, có khả năng đưa ra quyết định gắp chọn nhanh chóng theo thời gian thực.

Công ty hiện có khoảng 150 robot được triển khai tại các cơ sở tái chế khắp Bắc Mỹ và Australia. Nhờ khả năng xử lý suy luận tại biên (edge inference) trên các GPU NVIDIA RTX và huấn luyện mô hình trên phần cứng trung tâm dữ liệu sử dụng NVIDIA CUDA, hệ thống có thể phân loại vật liệu, thương hiệu và dạng bao bì ngay tức thì.

Đến nay, EverestLabs ước tính các hệ thống của mình đã nhận diện khoảng 40 tỷ vật thể, thu hồi khoảng 25.000 tấn vật liệu có thể tái chế và giúp giảm khoảng 30.000 tấn khí thải CO2. Startup này cũng đang triển khai các công cụ phần mềm AI dạng tác tử (agentic AI) nhằm cung cấp các số liệu phân tích vận hành trực tiếp cho các nhà quản lý nhà máy và lãnh đạo doanh nghiệp.

Greyparrot giám sát các băng chuyền rác thải tốc độ cao

Trong khi cánh tay robot đảm nhiệm khâu xử lý vật lý, các nhà quản lý cơ sở tái chế lại đối mặt với một lỗ hổng thông tin: từ trước đến nay, các đơn vị vận hành chỉ giám sát thành phần rác thải bằng cách lấy mẫu thủ công chưa đầy 1% lượng rác trên băng chuyền. Startup Greyparrot của Anh đã phát triển nền tảng Analyzer để theo dõi liên tục toàn bộ dòng rác thải.

Được gắn trực tiếp ngay phía trên các băng chuyền chuyển động với vận tốc lên tới 4 mét/giây, Analyzer có thể theo dõi các vật thể lướt qua theo loại vật liệu và thương hiệu, bất chấp môi trường nhiều bụi bẩn và ánh sáng biến đổi. Hệ thống sử dụng các mô-đun NVIDIA Jetson để xử lý tại biên, với mô hình được huấn luyện từ hàng tỷ vật thể trên nền tảng GPU NVIDIA.

Với hơn 300 hệ thống Analyzer được triển khai tại hơn 20 quốc gia, nền tảng này đã ghi nhận hơn 1 nghìn tỷ lượt nhận diện đối tượng (bounding-box). Quy trình giám sát tự động giúp rút ngắn thời gian kiểm toán 15 tấn rác thải từ 375 giờ xuống chỉ còn 6 giờ. Các cơ sở sử dụng giải pháp của Greyparrot ghi nhận hiệu suất tổng thể tăng từ 10% đến 30%. Nhà sản xuất bao bì toàn cầu Amcor đã ứng dụng công nghệ này để tăng sản lượng nhựa cấp thực phẩm thêm 12%, trong khi các thương hiệu tiêu dùng lớn như Coca-Cola, Colgate-Palmolive và Kenvue dùng dữ liệu từ hệ thống để theo dõi tỷ lệ thu hồi bao bì của mình.

reverse.fashion đẩy nhanh tốc độ phân loại quần áo cũ

Tái chế hàng dệt may còn đối mặt với thách thức phân loại phức tạp hơn. Châu Âu thải ra gần 7 triệu tấn hàng dệt may đã qua sử dụng mỗi năm, trong đó khoảng một phần tư phải phân loại thủ công thành hàng trăm danh mục — từ đồ vintage cao cấp để bán lại cho đến giẻ lau và vật liệu nhồi đệm nội thất.

Startup reverse.fashion tại Berlin đang tự động hóa quy trình này bằng hệ thống thị giác máy tính độ phân giải cao, vận hành trên các mô-đun NVIDIA Jetson tại biên được tối ưu hóa bằng phần mềm NVIDIA TensorRT. Khi các bộ quần áo di chuyển trên băng chuyền ở vận tốc 3 mét/giây, hơn một chục mô hình thị giác sẽ cùng lúc đánh giá các lỗi nhỏ, cấu trúc sợi vải, kích cỡ, thương hiệu, màu sắc, phong cách và mùa của sản phẩm.

Theo startup này, hệ thống tự động có thể phân loại khối lượng hàng trong một giờ tương đương với mức làm việc thủ công trong cả một tuần. Công nghệ hiện đang được triển khai tại các cơ sở xử lý trên khắp châu Âu, mở ra con đường mở rộng quy mô thời trang tuần hoàn và giảm thiểu đáng kể rác thải dệt may.