A robotok számára sok olyan feladat, aminek megoldása az embereknek nem okoz nehézséget, rendkívüli kihívást jelent. Egyike ezeknek az újrahasznosítható szemét kiválogatása: ezt a munkát csak sok-sok órányi betanulás után tudják több-kevesebb sikerrel végrehajtani. Kérdés persze, hogy ha a humán munkaerő könnyebben és gyorsabban halad a szortírozással, akkor miért kell drága és nehézkes gépeket alkalmazni a kivitelezésére, de a válasz nem bonyolult: azért, amiért a kezdtek óta használják a robotokat, vagyis hogy levegyék egy repetitív és időrabló tevékenység terhét az emberek válláról.
A Google régóta kísérletezik olyan robotokkal, amelyek feladata nem valamilyen általános jellegű munkakör betöltése, hanem kifejezetten egy feladat teljesítése lenne, mégpedig a hulladékok minél pontosabb kiválogatása az újrahasznosítási lehetőségek szerint. A gépeket kétféle módon gyakorlatoztatták: egyfelől egy teremben és munkapad előtt tanulták a megfelelő mozdulatokat, másrészt kiengedték őket a "szabadba", ahol az irodákat járva kellett megtalálniuk és szortírozniuk a szemetet. Míg az osztálytermekben 20 robot tanulta a mesterséget, addig 23 társuk a Google három épületében végzett szolgálatot, alapvetően ugyanazt a megerősítéses tanulási (reinforcment learning, LR) módszert követve. A gépeket először szimulációkkal készítették fel a feladatra, majd a több éves gyakorlat után a termekben végzett 540 000 és az irodákban zajló 32 500 próba alatt begyűjtött adatok segítségével mérték fel a hatékonyság szintjét.
Az eredmények alapján a rendszer 84%-os hatékonysággal működött, ekkora arányban ismerték fel a gépek az eléjük kerülő tárgyakat és a robotok minden egyes újabb adat beszerzése után pontosabban teljesítettek.
A különféle (műanyag, papír stb) újrahasznosítható szeméttípusok "keresztszennyezését", tehát a rossz rekeszbe való behelyezés miatti keveredését 40-50%-os hatékonysággal csökkentették.
(Fotó: Google)