# Waste Sorting Robot: abrir un contenedor no demuestra que la IA acierte El kit de Hiwonder utiliza micro:bit y WonderCam con modelos preparados. Sus errores pueden convertirse en una práctica de clasificación visual. - URL canónica: https://robotica.es/hogar/waste-sorting-robot-microbit-clasificacion-errores/ - Versión Markdown: https://robotica.es/hogar/waste-sorting-robot-microbit-clasificacion-errores.md - Publicado: 2026-09-30 - Última actualización editorial: 2026-09-30 - Autoría: Redacción Robotica.es - Categoría: Hogar y Consumo - Etiquetas: Hiwonder, Waste Sorting Robot, robótica educativa - Idioma: es-ES Un contenedor que se abre al mostrar una imagen ofrece una demostración vistosa de visión artificial. **[Waste Sorting Robot](https://robotica.es/robots/hiwonder-waste-sorting-robot/) de Hiwonder** combina ese gesto con una pregunta más interesante: ¿ha reconocido el objeto correcto o simplemente ha producido una respuesta? La [descripción del kit](https://www.hiwonder.com/products/waste-sorting-robot) anuncia micro:bit, WonderCam con procesador K210, pantalla OLED y reproducción de voz. Incluye doce modelos preparados para la escena didáctica de clasificación. El contenedor correspondiente se abre después de reconocer una categoría. ## Reservar ejemplos que el robot no haya visto Para aprender, se puede preparar un pequeño conjunto de ejemplos y anotar la categoría esperada antes de enseñarlos al sensor. Después se registran aciertos y confusiones. Repetir solo las imágenes que el fabricante usa en la demostración no permite saber qué sucede con otro fondo o una orientación distinta. El [curso de clasificación de Google](https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall) explica la diferencia entre aciertos, precisión y recuperación. Esa referencia permite discutir errores por categoría, sin reducir todo a que «la tapa se movió». Las métricas del curso no son resultados medidos de este kit. La escena es una simulación educativa. Un modelo entrenado con dibujos o piezas preparadas no acredita separación fiable de residuos reales, y las categorías del programa deben identificarse explícitamente antes de un ejercicio. El kit permite mostrar también la decisión en pantalla y por sonido. Comparar esa salida con el movimiento de la tapa ayuda a localizar dónde se ha producido una respuesta inesperada: reconocimiento, selección de categoría o actuador. [AiArm](https://robotica.es/robots/hiwonder-aiarm/) también incorpora WonderCam, pero lleva la detección a una pinza. El contenedor permite comenzar por la decisión de categoría; recoger una pieza añade la necesidad de localizarla físicamente. Una clase puede aprovechar tanto una identificación correcta como una confusión, siempre que ambas queden registradas y se pueda explicar por qué la demostración no equivale a una planta de reciclaje. ## Fuentes - [Waste Sorting Robot: cámara y funcionamiento [en]](https://www.hiwonder.com/products/waste-sorting-robot). - [Google: métricas de clasificación [en]](https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall).