AI와 로봇 공학, 전 세계 쓰레기 분류 및 재활용 현장을 바꾸다

전 세계적으로 경제 시스템에 유입되는 원자재 중 재활용되거나 재사용된 비중은 7% 미만에 불과하다. 반면 연간 도시 고형 폐기물 발생량은 20억 톤을 넘어섰으며, 2050년까지 거의 두 배로 증가할 것으로 전망된다. 이러한 심각한 문제를 해결하기 위해 전 세계 재활용 시설에서는 빠르게 이동하는 폐기물 흐름 속에서 가치 있는 자원을 정확히 식별하고 회수하고자 비전 AI와 로봇 자동화 기술을 적극 도입하는 추세다.

NVIDIA Inception 프로그램에 참여 중인 4개 스타트업은 컴퓨터 비전과 로봇 피커(picker)를 분류 라인에 직접 배치해 플라스틱, 도시 폐기물 회수, 섬유 재활용 공정의 병목 현상을 해결하고 있다.

AIRECO, 고순도 플라스틱 분류 자동화

대만의 스타트업 AIRECO는 비전 AI를 활용해 플라스틱 재활용의 경제성 문제를 해결하고 있다. 재활용 플라스틱은 불균일한 스크랩 품질, 높은 수작업 인건비, 그리고 저급 제품으로 떨어지는 다운사이클링(downcycling)으로 인해 신재(virgin materials)와의 가격 경쟁에서 어려움을 겪는 경우가 많다.

AIRECO의 자동화 방식은 폐플라스틱을 저품질 대체재가 아닌 동일한 등급의 제품으로 다시 가공하는 '폐쇄 루프(closed-loop) 재활용'을 지원하기 위해 정밀 분류에 집중한다. 타이난에 위치한 한 재활용 공장의 파일럿 라인에서 AIRECO는 NVIDIA Jetson Orin NX 모듈을 사용해 추론을 실행하고 컨베이어 벨트에서 목표 플라스틱을 집어 올리는 로봇 팔을 제어한다.

이 실증 시스템은 95% 이상의 인식 정확도를 달성했다. AIRECO는 내년에 전체 양산 라인을 구축해 연간 처리 용량을 1만 8,000톤에서 4만 8,000톤으로 확대하고, 운영 비용은 85% 절감할 계획이다.

EverestLabs, 고속 분류 로봇 배치

자원 회수 시설에서는 고속 컨베이어 벨트 위로 물품이 이동하기 때문에 기존의 수작업 분류 방식은 육체적으로 힘들고 위험하다. 미국 스타트업 EverestLabs AI는 실시간으로 신속한 피킹 결정을 내릴 수 있는 컴퓨터 비전 기반 로봇을 설치해 이 문제를 해결했다.

이 회사는 현재 북미와 호주의 재활용 시설에 약 150대의 로봇 유닛을 배치해 운용 중이다. NVIDIA RTX GPU에서 엣지 추론을 실행하고 NVIDIA CUDA를 활용해 데이터센터 하드웨어에서 모델을 학습시키는 이 시스템은 벨트 위를 지나는 재질, 브랜드, 포장 유형을 즉석에서 분류한다.

현재까지 EverestLabs는 자사 시스템을 통해 약 400억 개의 물체를 식별하고, 약 2만 5,000톤의 재활용 가능 자원을 회수했으며, 약 3만 톤(metric ton)의 이산화탄소 배출을 예방했다고 추정하고 있다. 또한 이 스타트업은 공장 관리자와 기업 임원에게 운영 분석 데이터를 직접 제공하는 에이전틱 AI(agentic AI) 소프트웨어 툴도 선보이고 있다.

Greyparrot, 고속 폐기물 벨트 실시간 모니터링

로봇 팔이 물품을 물리적으로 처리하는 동안, 시설 관리자들은 정보의 공백이라는 문제에도 직면해 왔다. 과거에는 운영자가 벨트 위 폐기물의 1% 미만을 수작업으로 표본 조사해 구성 요소를 모니터링했기 때문이다. 영국 스타트업 Greyparrot은 폐기물 전체 흐름을 지속적으로 모니터링할 수 있는 Analyzer 플랫폼을 개발했다.

초당 최대 4미터로 이동하는 컨베이어 벨트 바로 위에 설치되는 Analyzer는 먼지나 불규칙한 조명 조건 속에서도 통과하는 물체의 재질과 브랜드를 추적한다. 이 시스템은 엣지 처리를 위해 NVIDIA Jetson 모듈을 사용하며, NVIDIA GPU를 통해 수십억 개의 물체 데이터를 학습했다.

20개국 이상에 300개 이상의 Analyzer 시스템이 도입되면서, 이 플랫폼은 누적 1조 건 이상의 바운딩 박스(bounding-box) 감지를 기록했다. 이러한 자동 모니터링을 통해 15톤의 폐기물을 감정·감사하는 데 걸리는 시간이 기존 375시간에서 6시간으로 대폭 줄어들었다. Greyparrot 기술을 사용하는 시설들은 전체 효율성이 10%에서 30%까지 향상되었다고 보고했다. 글로벌 포장재 생산 기업 Amcor는 이 기술을 활용해 식품 등급 플라스틱 수율을 12% 올렸으며, Coca-Cola, Colgate-Palmolive, Kenvue 등 글로벌 브랜드들은 이 데이터를 활용해 포장재 회수 현황을 추적하고 있다.

reverse.fashion, 의류 분류 속도 혁신

섬유 재활용은 더욱 까다로운 분류 과제에 직면해 있다. 유럽에서는 매년 거의 700만 톤의 중고 섬유가 발생하는데, 이 중 약 4분의 1이 고급 빈티지 재판매부터 청소용 누더기, 가구 충전재에 이르기까지 수백 가지 범주로 수작업 분류된다.

베를린에 본사를 둔 reverse.fashion은 NVIDIA TensorRT 소프트웨어로 최적화된 NVIDIA Jetson 엣지 모듈 기반의 고해상도 컴퓨터 비전 파이프라인을 사용해 이 작업 흐름을 자동화하고 있다. 의류가 초당 3미터 속도로 벨트 위를 이동할 때, 10여 개의 비전 모델이 미세한 결함, 원단 구조, 크기, 브랜드, 색상, 스타일, 시즌 등을 정밀하게 평가한다.

회사 측에 따르면 이 자동화 시스템은 기존에 일주일 내내 걸리던 수작업 분류 분량을 단 한 시간 만에 처리할 수 있다. 이 기술은 현재 유럽 전역의 가공 시설에 도입되고 있으며, 순환 패션(circular fashion)을 확대하고 섬유 폐기물을 줄이는 길을 제시하고 있다.