在倫敦東區 Rainham 的一個廢棄物處理廠裡，一台人形機器人正站在輸送帶旁接受訓練，旁邊的工人戴著 Meta Quest 3 VR 頭盔，示範如何從混雜廢棄物中辨識並取出物件。這個場景所要解決的，是資源回收業長期以來用盡所有方法都無法根治的問題：沒有人願意長期做這份工作。
招募解決不了的問題
資源回收業的勞動力困境有幾個數字可以說明規模。員工年流動率達 40%，死亡率是全國平均的八倍，工傷率比其他產業高出 45%。分揀線上的工作是站在高速運轉的輸送帶旁，從混合廢棄物中徒手取出鞋子、磚塊、錄影帶，偶爾還有槍枝，環境噪音大、粉塵多。業者試過提高薪資、輪班制度、仲介用工，但結果都一樣。
倫敦東區 Rainham 的家族廢棄物處理企業 Sharp Group，分揀線主管 Ken Dordoy 直白指出：「輸送帶一直在動，你得不斷地挑揀。我換了很多工人，因為他們就是撐不住。」廠方已盡力改善條件，讓工人每 20 分鐘輪換不同材料，輸送帶也定期停機讓人休息，但這些措施改變不了工作的本質。
Sharp Group 每年處理 28 萬噸混合回收物，目前使用 24 名仲介工人在高速輸送帶上進行人工分揀。一名英國分揀線工人每年含仲介費的成本約為 2.5 至 3 萬英鎊，而在目前的流動率下，平均任職時間只有 30 個月。不斷招募、訓練、替補人員的成本，在本已利潤稀薄的產業裡形成持續的結構性拖累。Sharp Group 認為解法不是更好的招募策略，而是讓機器取代這份工作。
人形機器人的差異化邏輯
Sharp Group 部署的人形機器人名為 Alpha，由中國 RealMan Robotics 製造，英國新創 TeknTrash Robotics 針對廢棄物分揀場景進行改裝。Alpha 站在輸送帶旁，外觀與工作姿態都與人類工人相近。
TeknTrash 創辦人 Al Costa 指出，人形的形態讓機器人能直接沿用現有廠房佈局，無需為了導入自動化而改建設施。這與主流方案的路徑截然不同，以科羅拉多州的 AMP 與加州的 Glacier 為例，他們都選擇了專用排序系統，以機械臂、氣流噴射與 AI 視覺整合為核心，這些系統效率更高，但需要新建設施或昂貴的改裝工程。
對於數百家無力大規模翻新的中小型回收廠而言，一台能站在人類位置上執行同樣任務的人形機器人，理論上提供了一條更快、更低成本的自動化路徑。
然而 Alpha 目前仍在訓練階段，尚未正式上線。TeknTrash 的 HoloLab 系統透過多組攝影機收集資料，讓機器人同步學習辨識輸送帶上的物件與實際抓取動作，系統會預告即將到來的物件、引導機械臂動作，並在物件未被取出時記錄失敗，每天處理數千件物品，產生數百萬筆資料點。
Costa 對時程坦誠以告，他說市場認為這些機器人已經準備好了，插上電源就能完美運作，但它們需要大量資料才能真正有效。
機器人的完整訓練預計需要數個月，TeknTrash 計劃未來將同一套系統擴展至歐洲 1,000 家廠商，透過雲端連結共享訓練資料，但這個目標建立在 Alpha 先在 Rainham 這一個廠房學會可靠分揀的前提上。
主流方案已先一步
在 Alpha 還在學習的同時，其他路徑的競爭者已在市場上取得具體成果。AMP 的系統以氣流將物件導入分類槽，執行長 Tim Stuart 表示他們的機器人效率比人類高得多，大約是八到十倍的速度；他的立場是，不試圖複製人類動作，而是將分揀智慧直接內建於系統，並圍繞這套邏輯設計物理基礎設施。
亞馬遜支持的加州新創 Glacier 則走中間路線：固定式機械臂搭配 AI 視覺系統，可安裝於現有設施而無需全面改建，2025 年籌得 1,600 萬美元，目前為近十分之一的美國人處理資源回收，入選 TIME 年度最佳發明。共同創辦人 Rebecca Hu-Thrams 強調，廢棄物的高度變異性是核心技術挑戰。」她的客戶在分揀線上遇過不斷噴出液體的啤酒罐，也遇過槍枝。Glacier 的系統也刻意設計為適用預算有限的中小型設施，而非僅限於大型都市廠房。
最惡劣的環境，最有說服力的驗證
從工程角度來看，廢棄物分揀線是工業自動化最困難的場景之一。工廠地板結構固定、可預測，而回收輸送帶承載的是隨機組合的物件，速度可變，許多還是潮濕、破損或相互纏繞的狀態。西門子在 2025 年在真實工廠環境測試 NVIDIA 驅動的人形機器人，兩週試驗證明人形機器人可在工業場景中運作，但也揭示了受控展示與持續生產使用之間的落差。
如果 Alpha 能在條件最惡劣的環境中穩定運作，它理論上就能勝任大多數工業分揀任務，這個驗證的意義將遠超過單一廠房的應用。
在更大的產業格局中，人形機器人的硬體愈來愈集中於中國供應鏈，Alpha 的製造商 RealMan Robotics 正是其中一部分。中國機器人廠商以西方無法匹敵的價格生產人形機器人，而地緣政治格局與半導體產業高度相似：硬體愈來愈中國化，軟體層是競爭焦點，部署環境則是全球性的。
機器人上線前，工人早已離去
Sharp Group 的計劃是將現有工人轉型為機器人維護與監督角色，讓他們離開粉塵、噪音與體力負荷，轉往技術性崗位。這是每一個推動自動化的產業都會提出的敘事。
危險的工作被取代，工人被再培訓，新角色更好。但在一個年流動率高達 40% 的產業，Alpha 完全上線之前，今天分揀線上的多數工人可能早已離職。再培訓的承諾在這個數字面前，需要比一般製造業更謹慎的評估。
機器人技術與 AI 視覺系統是提升廢棄物回收率、工人安全與產業經濟競爭力的最大潛力所在。資源回收業的 40% 流動率，與其說是管理失敗，不如說是一個訊號，代表這份工作從一開始就不適合人類長期從事，而能夠承接它的技術雖緩慢但確定會到來。
【推薦閱讀】
◆ 從影像像素到全身協調：Figure AI 機器人達成 24 小時零故障自主分貨，展現類「真人」直覺
◆ 韓國搶做「機器人大腦」： 新創 RLWRLD 如何把真實工作場景，變成 Physical AI 訓練資料？
◆ Hugging Face 推機器人 App Store：開源機器人進入應用生態時代
＊本文開放合作夥伴轉載，參考資料：BBC、TheNextWeb，首圖來源：TeknTrash Robotics
（責任編輯：鄒家彥）
