Recycleyeは、人工知能を活用した廃棄物選別とリサイクル自動化を専門とするテクノロジー企業である。2019年に設立された同社は、コンピュータビジョンシステムとロボット選別ソリューションを開発し、素材回収施設がリサイクル可能な材料を高精度かつ高速に識別・分離することを可能にしている。中核技術は機械学習モデルを応用して、一般的な包装材から複雑な複合材料まで多様な廃棄物タイプを認識し、コンベヤーベルト上の物品を物理的に選別するロボットアームと統合するものである。
同社の使命は、リサイクル率の向上とリサイクルフローにおける汚染の低減に焦点を当てており、これは世界の廃棄物管理業界における重大なボトルネックに対処するものである。選別プロセスを自動化することで、Recycleyeはリサイクルを経済的に viable かつ環境的に効果的なものにし、手作業への依存を減らし、回収材料の純度を向上させることを目指している。
設立と歴史
Recycleyeは2019年にPeter HedleyとVictor Dewulfによって設立され、2人はオックスフォード大学在学中に出会った。エンジニアであるHedleyとコンピュータ科学者であるDewulfは、従来の廃棄物選別施設における非効率性を特定した。そこでは手作業の選別作業員が貴重な材料を見逃したり、物品を誤分類したりすることが多く、大きな損失につながっていた。彼らは、廃棄物画像のデータセットで訓練されたビジョンシステムとロボットアームを組み合わせたプロトタイプを開発し、自動選別の実現可能性を実証した。
同社は当初ロンドンの小さな実験室からスタートし、欧州宇宙機関のビジネスインキュベーションプログラムを含む投資家からシード資金を調達した。2020年、Recycleyeは最初の商業製品であるRecycleye Roboticsシステムを発表し、英国の素材回収施設に導入された。2021年までに同社は欧州の複数の施設に事業を拡大し、2022年にはDCVCが主導し既存投資家が支援するシリーズAラウンドで2500万ドルを調達した。この資金により、同社は製造を拡大し、廃棄物組成に関するリアルタイムデータを提供するスタンドアロンの監視ツールであるRecycleye Visionシステムなどの追加製品ラインを開発することができた。
2024年現在、Recycleyeは英国、欧州、北米の20以上の施設に導入されており、年間10万トン以上の廃棄物を処理している。同社はまた、VeoliaやBiffaなどの主要な廃棄物管理企業と提携し、大規模なリサイクル事業に技術を統合している。
技術と製品
Recycleyeの主要技術は、深層学習アルゴリズムを使用して廃棄物アイテムをリアルタイムで分類するコンピュータビジョンシステムである。このシステムは、プラスチック（PET、HDPE、PP、PS）、金属（アルミニウム、鋼）、ガラス、紙、段ボール、有機廃棄物など、幅広い材料をカバーする数百万枚のラベル付き画像の独自データセットで訓練されている。ビジョンシステムは、飲料ボトル、食品容器、包装フィルムなどの特定の製品タイプも識別でき、精密な選別を可能にする。
同社は2つの主要製品を提供している：
- Recycleye Robotics: コンベヤーベルトの上に設置されるロボット選別システム。吸引式またはグリッパー式のエンドエフェクタを備えたロボットアームを使用して、識別されたアイテムを拾い上げ、指定されたシュートやビンに配置する。このシステムは毎分最大80ピックの速度で動作し、一般的な材料では95%以上の精度が報告されている。
- Recycleye Vision: カメラとAIを使用して廃棄物フローの組成に関する継続的なデータを提供する監視・分析システム。汚染率、材料純度、処理量などの指標を生成し、施設運営者がプロセスを最適化し、規制報告要件を満たすために使用する。
両製品は、大規模なインフラ変更なしに既存施設に後付けできるように設計されている。システムはAIモデルをローカルで実行するエッジコンピューティングデバイスで駆動され、遅延を減らし、接続性が限られた環境でも動作を保証する。
AIと機械学習のアプローチ
RecycleyeのAIモデルは、ニューラルネットワークアーキテクチャ、特に画像認識用の畳み込みニューラルネットワーク（CNN）に基づいている。訓練プロセスは、ラベル付き廃棄物画像の教師あり学習を含み、生成AI技術を通じて生成された合成データで拡張され、さまざまな照明、角度、コンベヤー速度に対する堅牢性を向上させる。モデルはフィードバックループを使用して継続的に更新される。システムがエラーを起こすと、そのデータはフラグが立てられ、再訓練に使用される。これはアクティブラーニングとして知られるプロセスである。
同社はまた、転移学習技術を採用し、大規模な画像データセット（ImageNetなど）で事前訓練されたモデルから始めて、廃棄物固有のデータで微調整する。このアプローチにより、必要なラベル付きデータの量が減り、新しい材料タイプの展開が迅速化される。Recycleyeは、予備モデルからの自動提案と人間の監視を組み合わせた半自動ツールを使用して画像に注釈を付ける独自のラベリングパイプラインを開発した。
Recycleyeが対処する主要な課題の1つは、廃棄物アイテムの変動性であり、これらは損傷していたり、汚れていたり、部分的に隠れていたりすることがある。これに対処するため、ビジョンシステムは多視点分析を使用し、複数の角度から画像をキャプチャして分類の信頼性を向上させる。さらに、システムは残差ネットワークアーキテクチャと統合され、アイテムが重なっていたり、高速で移動している場合でも精度を維持する。
業界への影響と応用
廃棄物選別業界は伝統的に手作業の選別に依存しており、これは労働集約的で、危険を伴い、エラーが発生しやすい。Recycleyeの自動化は、一貫性のある高速選別を提供し、運用コストを削減し、材料回収率を向上させることで、これらの問題に対処する。Recycleye Roboticsが導入された施設では、運営者は貴重な材料の回収が20〜30%増加し、選別材料の再販価値に直接影響する汚染が大幅に減少したと報告している。
この技術は、欧州連合の循環経済行動計画や拡大生産者責任制度など、より高いリサイクル目標とより良いデータ報告を要求する厳格なリサイクル規制の文脈で特に重要である。Recycleye Visionは、コンプライアンスを実証し、選別ラインを最適化するために必要な詳細なデータを提供する。
従来のリサイクルに加えて、Recycleyeの技術は、電子廃棄物処理や建設廃棄物選別など、他のセクターにも応用できる可能性がある。同社はこれらの分野でパイロットプロジェクトを実施しているが、商業展開は都市固形廃棄物と包装リサイクルに焦点を当てたままである。
資金調達と成長
Recycleyeは、持続可能な廃棄物管理ソリューションへの需要の高まりにより、重要な投資を集めている。主要な資金調達マイルストーンは以下の通り：
- シードラウンド（2020年）: 200万ドル、Playfair Capitalが主導し、欧州宇宙機関とエンジェル投資家が参加。
- シリーズA（2022年）: 2500万ドル、DCVCが主導し、既存投資家とAENUなどの新しい支援者が参加。
- シリーズB（2024年）: 4000万ドル、Temasekが主導し、総調達額は7000万ドル以上。
同社はこれらの資金を使用して、エンジニアリングチームを拡大し、AI研究能力を強化し、ロボットシステムを大規模に生産するための英国の製造施設を設立した。2024年現在、Recycleyeは100人以上の従業員を雇用し、ロンドンにオフィス、ポーランドのワルシャワに研究ハブを置いている。
競争環境
Recycleyeは、AMP Robotics、ZenRobotics、Greyparrotなどの他のAI駆動型廃棄物選別企業を含む競争の激しい市場で事業を展開している。主にロボティクスに焦点を当てたいくつかの競合他社とは異なり、Recycleyeは二重の製品提供（ロボティクスとビジョン分析）とデータ駆動型最適化への強調を通じて差別化を図っている。同社はまた、サブスクリプションベースの価格モデルの一部として、設置、トレーニング、継続的なモデル更新を提供するフルサービスプロバイダーとしての地位を確立している。
主要な競争上の利点は、Recycleyeの独自データセットであり、これは展開を通じて継続的に強化されている。このデータの堀により、同社は特にニッチな廃棄物フローにおいて、競合他社よりも速くモデル精度を向上させることができる。さらに、Recycleyeのエッジコンピューティングアプローチはクラウドインフラへの依存を減らし、インターネット接続が限られた施設に適している。
将来の方向性
今後、Recycleyeは、多層包装や食品汚染アイテムの識別など、より複雑な選別タスクを処理するためにAI機能を拡張することを目指している。同社はまた、大規模言語モデルベースのインターフェースの使用を探索しており、オペレーターが自然言語でビジョンシステムにクエリを実行できるようにする。例えば、特定の期間における特定の材料の割合を尋ねるなどである。
もう1つの焦点は、選別プロセス自体の持続可能性を向上させることである。Recycleyeは、ロボットシステムのエネルギー消費を削減し、再生可能エネルギー源と統合する方法を研究している。同社はまた、廃棄物管理インフラが未発達だが、リサイクル率が環境目標に重要である新興市場への拡大を計画している。
長期的には、Recycleyeは完全に自動化されたリサイクルエコシステムを構想しており、AIは廃棄物を選別するだけでなく、収集から材料再処理までのリサイクルサプライチェーン全体を最適化する予測分析も提供する。このビジョンは、AIが物理世界の課題にますます適用される人工知能業界の広範なトレンドと一致している。
課題と批判
その成功にもかかわらず、RecycleyeはAIベースの産業システムに共通する課題に直面している。ロボットシステムの初期資本コストは小規模施設にとって法外なものになる可能性があるが、同社のサブスクリプションモデルはコストを時間で分散することでこれを緩和している。さらに、ビジョンシステムの精度は、新規または珍しい廃棄物アイテムに遭遇すると低下する可能性があり、継続的なモデル更新と時折の手動介入が必要になる。
批評家はまた、自動化だけではリサイクル危機を解決できないと指摘している。リサイクルの効果は、製品設計や消費者行動などの上流要因に依存するからである。Recycleyeはこれを認識し、材料の選別可能性を向上させるために包装メーカーとのパートナーシップを結んでいるが、同社の直接的な影響は選別段階に限定されている。
もう1つの懸念は、廃棄物選別業界における雇用喪失の可能性であり、この業界は多くの労働者、しばしば低所得コミュニティの労働者を雇用している。Recycleyeは、そのシステムは人間の労働者を置き換えるのではなく補完するように設計されており、施設がスタッフをメンテナンスや品質管理などのより価値の高いタスクに再配置できるようにすると述べている。しかし、雇用への正味の影響は依然として議論の的となっている。
関連項目
参考文献
（注：この記事は2024年時点の公開情報と会社開示に基づいている。具体的な財務数値と導入数は概算であり、変更される可能性がある。）