日前，清华大学精密仪器系教授朱荣带领团队研制出一种多功能感知触觉传感器，它采用类皮肤的多层结构，将多模感知原位集成，实现对触感、物感、温感等多种感知的高密度集成，将触觉传感器应用于机器手抓握感知，实现了对物品的形状、大小和材料等多属性识别，并成功应用于垃圾分类。

　　分类难题一直存在

　　目前，城市居民在投放垃圾时尚且无法离开监督员（督导员、引导员）。实际上，因为部分人分类意识或分类知识的欠缺，不少社区会在垃圾桶前安排督导员进行投放指导。部分小区因源头分类难以推行，干脆配备专人值守垃圾桶前，对居民堆放的垃圾进行破袋和二次分拣。

　　清华大学环境学院教授、清华大学循环经济产业研究中心主任温宗国介绍说，我国尚未建立有效的法律法规、约束政策和经济激励机制，政府、居民和企业在垃圾分类中的不同环节缺位明显。虽然我国居民垃圾分类知晓度高达90%，但能够参与并比较准确完成分类的人群只占总数的20%~30%，能长时间坚持的人更少。

　　“垃圾分类在任何国家都不是一蹴而就的事，既要做好‘打持久战’的准备，也要采取科学、系统和综合的措施，重点突破自家垃圾桶到公共垃圾箱的分类投放环节，彻底解决分类投放、收集、运输、处理全过程的系统运营难点。”温宗国说。

　　机器人助力垃圾分拣

　　由于柔性感知传感器和系统仍然存在技术瓶颈，实际应用面临巨大挑战，对此，朱荣团队提出了一种基于热感应的多维传感新机理，实现了压力、温度、流场、热物性等参数的集成测量，这种柔性电子器件具有简单结构、集成度高、低交叉耦合、易调控、成本低等特点。

　　而面向智能机器人对触觉感知的应用需求，该团队又研制出一种将压力、材料热导率、物体温度和环境温度四重感知原位集成的触觉传感器，实现了对抓握物品形状、大小、温度和材质等多属性的高精准识别。

　　之后，朱荣团队分析了机器手抓取物体时最常接触的位置，并在机器手的5个指尖和手掌上，安装了10个传感器，来检测物体的温度、环境温度、被测物体的导热率和接触压力等信息。又以塑料袋、泡沫、纸箱、罐头盒、餐巾纸、面包、橙皮7种垃圾作为实验对象，用7种垃圾的数据集去训练机器手。实验表明，结合多模触觉感知信息和机器学习之后，机器手识别7种垃圾的总分类准确率达到94%左右。

　　未来发展前景广泛

　　生活垃圾来源广、成分复杂，并且经常呈现出湿漉漉、脏兮兮的状态，因此传统的分选、筛选技术无能为力。

　　同样是机器人垃圾分拣领域，上海交大中英国际低碳学院固体废弃物资源化技术与智能装备团队研发出超视觉垃圾分拣机器人，通过机器视觉中的三种主流识别传感系统（CCD视觉、激光视觉、近红外视觉）相耦合，综合判断目标物的外部特征（颜色、形状、纹理等）与内部特征（材质），达到垃圾的精准定位与细分判别。然后利用free-model的超视觉技术，实现各品类、各形状、各表面材料的样品识别。

　　“超视觉垃圾分拣机器人有效分拣率可达95%，最高分拣速度5400次/小时。生产线上每套设备布置2个机械手，相当于替代了54个分拣工人的工作量。”超视觉垃圾分拣机器人项目负责人、上海交大中英国际低碳学院副教授李佳介绍说。

　　垃圾分类工作量大、过程简单重复。人工分拣不但面临气味刺鼻、工作环境差等问题，还存在有害物质伤害人体健康的可能。同时，垃圾分类的目标之一是分拣出可回收利用物品，减少其他垃圾量。而可回收利用的垃圾种类有限，因此，顺应而生的垃圾分拣机器人有望在未来得到快速发展。