「AIはリサイクルの現場で、実際にどう使われているのだろう？」そんな疑問を持って、筆者は2026年5月に東京ビッグサイトで開かれた「2026 NEW環境展」に足を運びました。リサイクル現場の要望・トレンドの一つは「ゴミ選別の自動化」だと感じました。カメラで認識したゴミをAIが判定し、ロボットアームで選別するといった装置がいくつも見られました。

本記事では、現役の機械設計者である筆者が環境展で見た3つの事例を軸に、AI×リサイクルの最前線を紹介します。ペットボトルの蓋を外す双腕ロボット、混在ゴミからビンだけを拾うロボット、建設解体で出た土からゴミを取り除くロボット。それぞれの仕組みと、デモを見て筆者が感じた可能性と課題をお伝えします。

私たちは「図面バンク」というクラウド図面管理システムを手がけています。
図面バンクは、多数の製造業で導入されている、図面・技術情報の管理と検索を便利にするツールです。図面管理を効率化したい方、過去の図面を探す作業に悩む企業の方は、ぜひお気軽にご相談ください。

AI×リサイクルとは？いま現場で起きていること

リサイクル分野で活用されるAIは、画像認識や各種センサーでゴミの種類・形状を見分け、その判定に基づいてロボットなどが資源物を選別する仕組みが一般的です。
基本の流れはシンプルで、「カメラ・センサーで認識 → AIが判定 → ロボットで選別」の3段階です。

なぜ今、AI×リサイクルなのか。背景にあるのは人手不足です。リサイクルの現場では、ベルトコンベヤを流れる廃棄物から資源物を手作業で選り分けています。現場作業はいわゆる3K作業になりやすく、人を集めにくい工程です。ここをロボットに置き換えられれば、人手不足の解決策となるわけです。

もう一つの背景が、資源循環の流れです。政府はプラスチック資源循環戦略のなかで、2030年までにプラスチックの再生利用を倍増させるといった方向性を掲げています¹。これは、製品には再生された素材をより多く使うという趣旨です。

ここから先は、AI×リサイクルの各事例を見ていきましょう。

【現地取材】2026 NEW環境展で見たAI×リサイクルの現在地

2026 NEW環境展は、環境技術が一堂に集まる国内最大級の展示会です。リサイクルや脱炭素、環境保全というテーマで関連する企業の展示が行われています。2026年の日程は5月20日から22日まで、会場は東京ビッグサイトです²。

実際に会場を歩くと、AI×リサイクルの文脈でロボットアームがゴミを選別する装置が複数のブースで実演されていました。
以下に、実際に筆者が見た中で特徴的な展示を3つ紹介します。

事例①：ペットボトルを開栓・洗浄・選別する双腕ロボット（イーアイアイ）

最初に紹介するのは、イーアイアイが展示していた、ペットボトルを扱う双腕ロボットです。

技術のポイント

このロボットの中核は「ALOHA」（米スタンフォード大発のオープンソースの双腕プラットフォーム）と呼ばれる双腕のロボットアームです。動きは、あらかじめプログラムした軌道をなぞるのではなく、模倣学習と強化学習で身につけさせています。人間の作業を手本に学ばせ（模倣学習）、試行錯誤を通じて精度を高める（強化学習）という、いわゆるフィジカルAIのアプローチです。

フィジカルAIについては、下記の記事で解説しました。

ペットボトルのリサイクル工程には、蓋やラベルを分離し、中に残った液体を取り除く工程があります。この作業は、決まった動きしかできない従来型の産業用ロボットでは対応が難しいです。捨てられたペットボトルは種類や色が違いますし、つぶれ具合もバラバラ。その時々のゴミに合わせてつかむ位置や力加減を合わせないといけません。

フィジカルAIによって、認識・把持・蓋の取り外し・ラベルの分離・残液の回収や洗浄・ボトルとキャップの選別までを、一連の作業としてこなせるようになる。これがイーアイアイの示していた方向性です。

筆者が見たデモの様子と所感

筆者が見たデモでは、双腕ロボットがペットボトルをつかみ、器用に蓋を外していました。外した蓋とボトルは、別々のトレーへ選別されます。

動作は人の手より遅いですが、着実に一本ずつ処理していく印象です。展示で見たのは数分間でしたが、この装置が何カ月という単位で連続稼働できれば省人化の可能性を感じました。例えば、夜間に人がいない時間帯でも連続して動かせれば、昼間の人手作業を補い、省人化につながります。

人間にとっては比較的単純な作業でも、「従来の産業用ロボットではできない作業をこなす」点に価値があると感じたデモでした。

事例②：混在ゴミから資源物を選別するパラレルリンクロボット（タイチマシナリー）

2つ目は、タイチマシナリーが展示していた、混在ゴミを選別するロボットシステムです³。

技術のポイント

仕組みは、まずカメラでベルトコンベヤ上の廃棄物の画像を取得し、AIが物体を判別します。判別の学習には、人があらかじめ正解を教える教師あり学習（アノテーション）が使われています。「これはビン」「これはペットボトル」と画像に印を付けて学ばせることで、狙った資源物だけを見分けられるようにします。

選別作業を担うのは、パラレルリンクロボットです。これは複数のアームで一つの手先を支える構造で、高速なピック＆プレースを得意とします。1分あたり最大60ピックの処理が可能とのことです。手先は真空パッドで吸着する方式で、ワークの形状や向きによらずつかめます。さらに、AIの画像処理システムは自動アップデート機能を備え、常に最新の状態で運用できるとのことです。

筆者が見たデモの様子と所感

デモでは、複数の種類が混ざった廃棄物の中から、ビンを選んでピックし、トレーへ置く作業が実演されていました。流れてくる混在物に対して、ビンを的確に拾い上げていく動きは素早く、淡々と仕事をこなしている印象でした。

事例③：建設解体で出た土から不定形ゴミを取り除くAIロボット（昭和鋼機）

3つ目は昭和鋼機が取り組んでいる、建設解体で出た土からゴミを取り除くAIロボットです。ロボットは現場で実験的に運用されており、展示会では動画での展示・説明をいただきました。

技術のポイント

建設解体で出た土には、さまざまな夾雑物（きょうざつぶつ、混ざり込んだ異物）が含まれます。この土からゴミだけを判別して取り除く作業は、現状では人手で行われています。昭和鋼機は、この人手作業をロボットに置き換えることを狙っています。

技術的には、コンベヤで流れてくる土を対象に、機械学習でAIが検知し、ピクセル単位でゴミかどうかを判別します。ここで特徴的なのが、半教示というアプローチです。事例②のように一つひとつ正解を付ける個別のアノテーションは行いません。ゴミは形が一定しない不定形のため、「これがゴミ」と個別に教え込むのが難しいからです。

筆者が見たデモの様子と所感

このシステムについて、筆者が現地で受けた説明では、AIの認識精度にはまだ限界があり、すべてを正しく判別できるわけではないとのことでした。そして、この認識の精度とは別に、物理的な失敗も起こります。ハンドがゴミをつかみ損ねる、ビジョン（視覚センサー）の限界で捉えきれない、といった失敗です。

ベルトコンベヤで流れてくる土のスピードは速く、説明ではコンベヤの速度は880mm/sで設定しているとのこと。この速さでつかむためにはロボットの位置調整やカメラの画像認識に工夫が必要で、技術的なレベルはかなり高いと感じました。

3事例から見えたAI×リサイクルの共通点と課題

3つの事例からAI×リサイクルのメリットと課題を解説します。

AIリサイクル導入のメリット

3事例に共通して見えた導入のメリットを整理すると、次のとおりです。

・省人化：手作業の選別工程を機械に置き換えられる
・24時間稼働：人がいない夜間でも連続して動かせる
・選別精度の向上：データを集め学習させることで、選別精度が向上する
・作業環境の改善：ほこりや異物に囲まれる3K作業を減らせる

政策面での後押し

政策面でも後押しがあります。政府はリサイクルの施設整備や技術開発向けに2030年までに1兆円を投資する方針です⁴。環境省は産業廃棄物処理におけるAI・IoTの導入事例集を公表しており⁵、NEDOは複合センシングとAIを活用した廃プラスチックの高度選別技術の開発を進めています⁶。AIリサイクルは、一企業の取り組みにとどまらず、国の資源循環政策と地続きのテーマになっています。

導入の課題（精度・コスト・補助金）

一方で、課題もはっきりしています。整理すると、次のような点が残ります。

・認識精度の限界：すべてを正しく判別できるわけではない
・物理的な失敗：ハンドのつかみ損ねなど、認識とは別の失敗が起こる
・初期投資と運用コスト：装置の導入と装置の運用・改修にはコストがかかる
・運用スキル：安定して使いこなすには一定のスキルが要る
・補助金活用：支援策をどう活用するかが社内の現実的な論点になる

AI×リサイクルは「導入すれば全自動」という段階ではありません。人とロボットが役割を分担しながら、精度と信頼性を高めていく段階にあります。

AI×リサイクルに学ぶ、データを「資産」に変える発想

3事例を見て、改めて感じたことがあります。
AI活用の本質は、学習・参照できるデータが「使える資産」になっているかどうかにある、という点です。

事例①の模倣学習も、事例②の教師あり学習も、土台にあるのは蓄積されたデータです。例えば事例②のアノテーション済みの学習データも、整理されて探せる・再利用できる状態にあるからこそ価値が出ます。データが整理され、必要なときに引き出せる状態になっていて初めて、AIは力を発揮します。

つまり、良いデータを学習させるためには、データが集められるだけではなく、整理され検索できる形で蓄積されているかどうかが重要です。そしてこれは、リサイクルに限った話ではありません。製造業に置き換えると、図面や技術情報こそが「資産」にあたります。過去の図面、設計の経緯、加工のノウハウ。これらが整理され、検索できる状態で蓄積されていることが、競争力の土台になります。

図面・技術情報を資産化するクラウド図面管理「図面バンク」

クラウド図面管理システム「図面バンク」は、製造業・建設業界向けの図面を「使える資産」に変えるためのツールです。狙いはシンプルで、「あの図面、どこにあったか」と探し回る時間を減らし、本来もっと価値のある仕事に時間を回せるようにすることにあります。製造業特化のAIが図面を解析し、文字を打たなくても「似た形の図面」を形状から探し出せるなど強力な検索機能を持っています。

設計者である筆者自身、過去の図面を探すのに苦労した経験があるので、この発想には強く共感します。

料金は月額48,000円ですが、初月は無料でお試しすることができます。図面を探す時間に悩んでいる方は、ぜひ一度無料でお試しください。

（まとめ）AI×リサイクルの現状から見えた未来

この記事では2026 NEW環境展で見た3事例から、AI×リサイクルの現在地を解説しました。

・共通する型は「カメラ・センサーで認識 → AIが判定 → ロボットアームで選別」
・動機は人手不足を背景にした省人化
・認識精度の限界や物理的な失敗といった課題は残り、人とロボットの分担で着実に高めていく段階にある

リサイクル分野でのAI活用は、まだ発展の途中です。それでも、人がやりたくない作業を機械が引き受ける流れは、確かに動き始めていました。そして、その動きを支えているのは、学習・参照できるデータという「使える資産」です。

データを資産に変える発想は、製造業の図面管理にもそのまま当てはまります。図面を探す時間を減らし、眠っている技術情報を競争力に変えたい方は、ぜひ図面バンクをご活用ください。

参考文献

1. 出典：環境省「プラスチック資源循環戦略」 ↩︎
2. 出典：「2026NEW環境展・地球温暖化防止展」 ↩︎
3. 出典：Jタウンネット「タイチマシナリー、AI画像認識技術を駆使した革新的リサイクルソリューションを「2026NEW環境展」で初公開」 ↩︎
4. 出典：日本経済新聞「鉱物やプラスチック再生利用に1兆円　政府、海外依存低減へ官民投資」 ↩︎
5. 出典：環境省「産業廃棄物処理におけるAI・IoT等の導入事例集（令和3年3月）」 ↩︎
6. 出典：NEDO「革新的プラスチック資源循環プロセス技術開発」 ↩︎