MRF 喜歡 AMP、Greyparrot 或 Glacier 等基於人工智慧的機器人分類系統。它們更準確、更安全，並且總是準時上班。但消費品公司也可能從他們產生的包裝設計和回收數據中受益。
今天在拉斯維加斯舉行的廢棄物博覽會上，MRF 和回收設施對基於人工智慧的新興機器人分類系統的早期回報產生了影響。在The Recycling Partnership 的Chris Wirth 的主持下，討論圍繞AMP創建和使用的產品。 Chase Brumfield，AMP 站點可靠度工程經理。他的獨特視角來自於自己為 MRF 工作並成為技術提供者；他和他的團隊為自己的設施建造了一些拾放機器人分類系統。其他 MRF 和回收設施正在利用該技術，包括Cougle's Recycling的首席營運長 Matt Cougle 和Waste Connections的區域經理 Javier Erazo 。
人們很快就發現，隨著基於人工智慧的機器人分類機上線，使用它們的 MRF（例如 Cougle 和 Waste Connections）所獲得的好處是顯而易見的。它們很容易量化，並跨越幾個影響利潤的運作。人類勞動力很難找到——坦白說，垃圾分類對許多人來說並不是一個有吸引力的職業——因此基於人工智慧的機器人分類器是一種有助於解決勞動力短缺問題的自動化技術。此外，分類更加準確，從而使捆包更加乾淨。分類速度更快，每小時可處理更多乾淨的草捆。由拾取和調速機器人完成的工作比人類必須進入分類線更安全。 Erazo 指出，不當丟棄的醫療「銳器」造成的針刺是機器手臂末端工具和夾具感覺不到的眾多危險之一。
但這些數據應該不僅能讓 MRF 和再加工商/回收商受益。由於人工智慧可以確定哪些包裝正在回收，哪些沒有被回收，它應該會讓最初設計包裝的品牌所有者和快速消費品公司受益。想想亞馬遜氣候基金最近對基於人工智慧的機器人分類公司 Glacier 的投資——品牌對這些數據能告訴他們什麼感興趣是有原因的。品牌和消費品都有自己的永續發展目標，而數據告訴他們，現有和未來的包裝設計實際上具有多大的可回收性，在現實世界中將是價值連城的。