Roboty mogą oczyszczać rzeki, sortować odpady lub inspekcjonować instalacje energii odnawialnej, ale ich własny ślad środowiskowy pozostaje otwartym pytaniem. Aby na nie odpowiedzieć, społeczność robotyczna dysponuje teraz narzędziem: projektem Robotics Eco-Label, prowadzonym przez Brama Vanderborghta na Vrije Universiteit Brussel w Belgii. Znajduje się on wśród projektów finansowanych z grantów na zrównoważony rozwój IEEE RAS, zaprezentowanych na ICRA w czerwcu.
- Roboty chronią środowisko, ale ich własny ślad ekologiczny pozostaje otwartym pytaniem.
- Robotics Eco-Label ocenia robota na całym cyklu życia w skali od 0 do 100.
- Platforma IEEE RAS wybiera robota o najmniejszej masie, który spełnia potrzeby użytkownika.
- Projekty w Nigerii i na Cyprze łączą robotykę, energię słoneczną i edukację ekologiczną.
Ocena zrównoważenia dla robotów
Ślad robota obejmuje cały jego cykl życia, od wydobycia metali ziem rzadkich, przez produkcję, użytkowanie, aż po koniec życia. Do tej pory społeczność nie miała dedykowanych narzędzi do jego obliczania. Robotics Eco-Label Toolkit, lekki zestaw narzędzi dostępny online, dzieli robota na kilka elementów: materiały, źródła energii, czujniki, procesory, siłowniki (komponenty realizujące ruchy), konstrukcję i możliwość recyklingu.
Każdy z tych elementów jest oceniany według pięciu kryteriów: oszczędność zasobów, wydłużenie żywotności, ślad węglowy, efektywność energetyczna i cyrkularność. Wyniki są łączone w ważoną macierz, aby wygenerować Eco-Score w skali od 0 do 100. Wagi nie są na tym etapie ustalone, a ich zdefiniowanie będzie częścią przyszłych prac badawczych i współpracy. Niski wynik w danej dziedzinie może sygnalizować energochłonne siłowniki, ograniczoną naprawialność, materiały trudne do recyklingu lub brak planu końca życia. Deklarowanym celem jest uwidocznienie kompromisów środowiskowych już na wczesnych etapach projektowania.
Kupno odpowiednio wymiarowanego robota
Zrównoważony rozwój zależy także od wyborów zakupowych. Robot większy lub bardziej wydajny niż potrzeba zużywa więcej materiałów i energii, nie wykorzystując w pełni swoich możliwości. Zespół finansowany przez IEEE RAS, kierowany przez Antuna Skurica, opracował otwartoźródłową platformę do oceny zrównoważenia robotów współpracujących. Użytkownik definiuje wymaganą przestrzeń roboczą, ładunek i trajektorię, a platforma identyfikuje robota o minimalnej masie spełniającego te potrzeby. Interaktywne narzędzia pozwalają wizualizować robota, obserwować dostępną przestrzeń i ważne konfiguracje.
Energia słoneczna i edukacja
W Nigerii ponad 90 milionów osób nie ma niezawodnego dostępu do energii elektrycznej. Projekt SolarPeer 360, prowadzony przez Umara Adetolę Abdulganiyy’ego, studenta Federal University of Technology w Minna, łączy robotyczne śledzenie słońca, optymalizację wspieraną przez AI i peer-to-peer dystrybucję energii. Według zespołu « energia pozyskana efektywniej może być dzielona sprawiedliwiej ». Zespół wskazuje, że zmierzył wzrost średniej mocy o 60,3% w porównaniu panelu podążającego za słońcem z panelem nieruchomym, przy wzroście mocy z 3,83 W do 6,14 W. Optymalizacja wspierana przez AI miała ponadto pozwolić na redukcję strat energii o około 25% w środowisku testowym. Wdrożono pięć minisystemów społecznościowych, a warsztat o energii słonecznej dotarł do ponad 500 uczniów.
Na Cyprze projekt Caretta, prowadzony przez Mustafę Kemala Ambara, zapoznał uczniów w wieku 8-16 lat z robotyką i zrównoważonym rozwojem. Inspirowany żółwiem karetą, zaowocował prototypem robota mającego zmniejszać zanieczyszczenie wybrzeża. Zorganizowano dwie akcje oczyszczania linii brzegowej, a w seminariach i zajęciach praktycznych wzięło udział ponad 30 uczniów. Podczas ćwiczeń terenowych jeden z nich wskazał plastikowe śmieci przy wodzie i zauważył: « Może żółwie nie będą już tego jeść, jeśli Caretta będzie pracować szybciej. »
