.

Jason Dorfman, MIT CSAIL

Inteligencia Artificial

Un nuevo robot de reciclaje usa el tacto para los clasificar residuos

1

Los sistemas de este tipo suelen usar visión artificial, pero en una cinta transportadora es imposible verlo todo. Las pinzas sensorizadas de RoCycle le permiten agarrar la basura e identificar qué materiales contiene, lo que podría reducir la cantidad de residuos enviados al extranjero

  • por Douglas Heaven | traducido por Ana Milutinovic
  • 16 Abril, 2019

Una caja grasienta de pizza, un café para llevar, tarrinas de yogur de plástico, ¿son basura o se pueden reciclar? A veces puede resultar confuso saber qué se puede reciclar y qué no, entre otras cosas porque la respuesta depende de las instalaciones disponibles en la planta local de tratamiento de residuos. En muchas plantas, el cartón empapado de grasa o las tazas forradas con polietileno no se pueden reciclar y, por lo tanto, se envían a los vertederos, a menudo llevando consigo otros tipos de materiales reciclables.

Una empresa de tratamiento de residuos de EE. UU. informa de que el 25 % del material reciclable que recibe está tan contaminado que debe enviarse directamente a los vertederos. Mientras tanto, la cantidad de residuos domésticos que no se pudieron reciclar en Inglaterra aumentó un 84 % entre 2011-2012 y 2014-2015, según cifras del Gobierno. Y la situación está empeorando. Gran parte de los residuos del mundo se venden a China para su reciclaje. Pero el mes pasado, China introdujo normas más estrictas sobre la cantidad de contaminación que aceptará: cualquier cosa con más del 0,5 % de impurezas irá bajo tierra.

Es por eso nuestra forma de clasificar los desechos debe mejorar bastante. Muchos grandes centros de reciclaje utilizan imanes para extraer metales, y filtros de aire para separar el papel de los plásticos más pesados. Aun así, la mayor parte de la clasificación todavía se hace manualmente. Es un trabajo sucio y peligroso.

Por eso la investigadora del Laboratorio de Inteligencia Artificial y Ciencias de la Computación del MIT (EE. UU.) Lillian Chin y sus colegas han desarrollado un brazo robótico con pinzas blandas que recoge objetos de una cinta transportadora e identifica de qué están hechos a partir del tacto.

El robot, llamado RoCycle, usa sensores capacitivos en sus dos pinzas para detectar el tamaño y la rigidez de los materiales que maneja. Esto le permite distinguir entre diferentes objetos de metal, plástico y papel. En una simulación de instalación de planta de reciclaje, con los objetos que pasan en una cinta transportadora, RoCycle clasificó correctamente 27 objetos con un 85 % de precisión.

Chin piensa que sus robots se podrían usar en edificios de apartamentos o en los campus universitarios para llevar a cabo el primer paso del reciclaje, lo que reduciría la contaminación.

Otros investigadores están desarrollando robots que clasifican los materiales visualmente. Pero este equipo cree que el tacto es más preciso. Chin detalla: "Cuando hay que clasificar una gran cantidad de residuos, es un caos y algunas cosas no se ven. No se puede confiar solo en la vista para saber lo que hay".

El trabajador de la empresa de reciclaje finlandesa ZenRobotics Harri Holopainen afirma: "La idea es estupenda: los humanos reciben mucha información del tacto". Su compañía está especializada en la fabricación de clasificadores robóticos de basura basados en visión artificial.

El inconveniente es que recoger los artículos uno a uno lleva su tiempo. Esto hace que RoCycle sea demasiado lento para las plantas de reciclaje industrial, que son caras y necesitan procesar los desechos rápidamente para cubrir los costes. Algunos robots de ZenRobotics pueden clasificar 4.000 objetos por hora, por ejemplo. Holopainen cree que RoCycle tendría que trabajar aproximadamente 10 veces más rápido para resultar competitivo.

El equipo está intentando combinar su robot táctil con un sistema visual para hacerlo más rápido. Este robot escanearía los objetos que pasan y solo recogería aquellos que le generen dudas.

RoCycle también podría ser bueno para identificar artículos eléctricos envueltos en estuches de plástico, como los mandos de videojuegos y los juguetes electrónicos. Un sistema basado en la visión solo vería el plástico, pero los sensores capacitivos de RoCycle pueden detectar el tesoro que se esconde debajo. El equipo consiguió un prototipo inicial funcional, pero para obtener un buen rendimiento hacen falta sensores adicionales, explica Chin.

Cuando el sistema detecta un elemento eléctrico, necesita manos para desmontarlo. Apple ha presentado dos robots, Liam en 2016 y Daisy en 2018, capaces de desmontar un iPhone en segundos. "Pero eso es fácil, ya que conocen cada detalle de sus teléfonos", opina Holopainen.

La próxima generación de robots de reciclaje tendrá que desarmar cualquier tipo de objeto para salvaguardar las partes buenas. "Todos los objetos fabricados se deben desmontar y reciclar con el tiempo. En el futuro, los robots sabrán deshacer y desmontar", concluye Holopainen.

Inteligencia Artificial

 

La inteligencia artificial y los robots están transformando nuestra forma de trabajar y nuestro estilo de vida.

  1. La "sustancia" del algoritmo: la IA cada vez está más cerca de actuar por nosotros

    En un futuro cercano, la IA no solo será capaz de imitar nuestra personalidad, sino también de actuar en nuestro nombre para llevar a cabo tareas humanas. Sin embargo, esto da lugar a nuevos dilemas éticos que aún deben ser resueltos

    Agentes de IA, hacia un futuro con algoritmos humanos y dilemas éticos complejos
  2. Por qué medir la IA sigue siendo un desafío pendiente

    Los benchmarks, diseñados para evaluar el rendimiento de una IA, a menudo están basados en criterios opacos o en parámetros que no reflejan su impacto real. No obstante, hay enfoques que buscan ofrecer evaluaciones más precisas y alineadas con desafíos prácticos

    Los benchmarks, diseñados para evaluar el rendimiento de una IA, a menudo se fundamentan en criterios opacos o en parámetros que no reflejan su impacto real
  3. Qué es el 'red-teaming', el proceso que permite a OpenAI detectar fallos en ChatGPT

    A través del red-teaming, un proceso en el que se simulan ataques para buscar fallos en los sistemas, OpenAI identifica vulnerabilidades en sus herramientas. Sin embargo, la amplia variedad de situaciones en las que se pueden utilizar estos modelos dificulta su control

    El 'red-teaming' es un proceso usado por OpenAI para detectar fallos en sus modelos