Cómo la IA y la robótica están transformando la clasificación y el reciclaje de residuos a nivel mundial

A nivel mundial, menos del 7% de los materiales que ingresan a la economía provienen de fuentes recicladas o reutilizadas, mientras que los residuos sólidos urbanos superan los 2,000 millones de toneladas cada año, una cifra que se proyecta que casi se duplicará para 2050. Para abordar este creciente problema, las instalaciones de reciclaje de todo el mundo recurren cada vez más a la IA de visión y la automatización robótica para identificar y recuperar con precisión materiales valiosos de flujos de residuos de rápido movimiento.

Cuatro startups que participan en el programa NVIDIA Inception están implementando visión artificial y recolectores robóticos directamente en las líneas de clasificación, abordando cuellos de botella en el reciclaje de plásticos, la recuperación municipal y el reciclaje de textiles.

AIRECO automatiza la clasificación de plásticos de alta pureza

En Taiwán, la startup AIRECO utiliza IA de visión para abordar la rentabilidad del reciclaje de plásticos. El plástico reciclado suele tener dificultades para competir con los materiales vírgenes debido a la calidad inconsistente de los desechos, los altos costos de mano de obra manual y el "downcycling" (reciclaje de ciclo bajo) en productos de baja calidad.

El enfoque automatizado de AIRECO se centra en la clasificación fina para apoyar el reciclaje de ciclo cerrado, donde los productos de plástico desechados pueden procesarse para volver a convertirse en el mismo grado de producto, en lugar de alternativas degradadas. En una planta de reciclaje en Tainan, la línea piloto de la empresa utiliza módulos NVIDIA Jetson Orin NX para ejecutar inferencias y controlar brazos robóticos que recogen los plásticos objetivo de las cintas transportadoras.

El sistema de prueba alcanza una precisión de reconocimiento superior al 95%. AIRECO planea poner en marcha una línea de producción completa el próximo año, con el objetivo de ampliar la capacidad de procesamiento anual de 18,000 a 48,000 toneladas, reduciendo al mismo tiempo los costos operativos en un 85%.

EverestLabs implementa robots de clasificación de alta velocidad

En las instalaciones de recuperación de materiales, los artículos se desplazan por cintas transportadoras de alta velocidad donde la clasificación tradicional es físicamente exigente y peligrosa. EverestLabs AI, con sede en EE. UU., ha abordado esto instalando robots guiados por visión artificial capaces de tomar decisiones de recolección rápidas en tiempo real.

La empresa cuenta actualmente con aproximadamente 150 unidades robóticas desplegadas en instalaciones de reciclaje en América del Norte y Australia. Al ejecutar inferencia en el borde (edge) con GPUs NVIDIA RTX y entrenar modelos en hardware de centros de datos utilizando NVIDIA CUDA, los sistemas clasifican materiales, marcas y tipos de envases sobre la marcha.

Hasta la fecha, EverestLabs estima que sus sistemas han identificado aproximadamente 40,000 millones de objetos, recuperado alrededor de 25,000 toneladas de material reciclable y evitado aproximadamente 30,000 toneladas métricas de emisiones de dióxido de carbono. La startup también está lanzando herramientas de software de IA agéntica para ofrecer análisis operativos directamente a los gerentes de planta y ejecutivos de empresas.

Greyparrot monitorea cintas de residuos de alta velocidad

Mientras que los brazos robóticos manipulan físicamente los artículos, los gerentes de las instalaciones también enfrentan una brecha de información: históricamente, los operadores han monitoreado la composición de los residuos mediante el muestreo manual de menos del 1% de la cinta. La startup británica Greyparrot desarrolló su plataforma Analyzer para monitorear flujos de residuos completos de forma continua.

Instalado directamente sobre cintas transportadoras que se mueven a hasta 4 metros por segundo, el Analyzer rastrea los objetos que pasan por material y marca, a pesar del polvo y la iluminación variable. El sistema utiliza módulos NVIDIA Jetson para el procesamiento en el borde, entrenados con miles de millones de objetos utilizando GPUs NVIDIA.

Con más de 300 sistemas Analyzer desplegados en más de 20 países, la plataforma ha superado el billón de detecciones de cuadros delimitadores (bounding-box). El monitoreo automatizado reduce el tiempo necesario para auditar 15 toneladas de residuos de 375 horas a solo seis. Las instalaciones que utilizan Greyparrot reportan ganancias de eficiencia general de entre el 10% y el 30%. El productor mundial de envases Amcor utilizó la tecnología para aumentar su rendimiento de plásticos de grado alimenticio en un 12%, mientras que marcas de consumo como Coca-Cola, Colgate-Palmolive y Kenvue utilizan los datos para rastrear la recuperación de envases.

reverse.fashion acelera la clasificación de prendas

El reciclaje de textiles enfrenta un desafío de clasificación aún mayor. Europa genera casi 7 millones de toneladas de textiles usados al año, de los cuales aproximadamente una cuarta parte se clasifica manualmente en cientos de categorías, que van desde la reventa de artículos vintage de alta gama hasta trapos de limpieza y relleno para muebles.

reverse.fashion, con sede en Berlín, está automatizando este flujo de trabajo mediante tuberías (pipelines) de visión artificial de alta resolución que se ejecutan en módulos NVIDIA Jetson optimizados con el software NVIDIA TensorRT. A medida que las prendas se mueven en cintas a 3 metros por segundo, más de una docena de modelos de visión evalúan pequeños defectos, la construcción del tejido, la talla, la marca, el color, el estilo y la temporada.

Según la startup, el sistema automatizado puede clasificar en una hora lo que antes requería una semana completa de clasificación manual. La tecnología se está implementando actualmente en instalaciones de procesamiento en toda Europa, proporcionando un camino hacia la escala de la moda circular y la reducción de los residuos textiles.