Hay más de 400 camiones mineros autónomos operando en China sobre módulos NVIDIA Jetson embebidos, incluida una mina de cobre a 5.300 metros de altitud. En Chile, en cambio, no encontramos un solo despliegue Jetson verificable en minería. Esa brecha es el tema de este artículo: qué está efectivamente probado en el mundo, con qué hardware, y qué se puede trasladar a una faena chilena hoy.
Lo que ya funciona: flotas completas sobre Jetson embebido
Tage Idriver, spin-off de la Universidad de Ciencia y Tecnología de Beijing, construyó una solución de transporte no tripulado para minas a rajo abierto que NVIDIA documenta explícitamente como basada en Jetson AGX Xavier Industrial, fusionando LiDAR, cámaras y radar. A octubre de 2023 tenía más de 400 camiones autónomos en operación, con 45,1% de participación del mercado chino de conducción autónoma minera.
Dos de esas faenas son de cobre: la mina Julong (Zijin Mining, Tíbet), a 5.300 m s.n.m., y la mina Dexing. La altitud importa más de lo que parece: menor densidad de aire significa peor disipación térmica, justo la condición donde un módulo embebido con envolvente de potencia acotada se comporta mejor que un PC industrial. En una operación con 38 camiones eléctricos autónomos, el proveedor reporta 60% menos costo de mano de obra, 91% menos costo de energía y 26% más eficiencia minera global.
El sucesor de ese módulo, el Jetson AGX Orin Industrial, entrega hasta 248 TOPS entre 15 y 75 W: más de 8× el rendimiento del Xavier Industrial que mueve esa flota.
Chile ya tiene visión computacional en faena — pero no sobre Jetson
El caso mejor documentado en suelo chileno está en Minera Centinela (Antofagasta Minerals), primera faena de Latinoamérica con inspección autónoma de neumáticos OTR. Los camiones pasan por un pórtico instrumentado sin detenerse; una cámara térmica radiométrica captura a 50 fps y un modelo detecta puntos calientes, separación de banda de rodadura y daño mecánico. Se monitorean 200 neumáticos por semana y se evitan más de 30 minutos de detención por camión por semana.
Ahora el dato honesto: ese sistema no usa Jetson. Corre sobre un computador industrial x86 con GPU discreta y cámara FLIR A615, alimentado por tres paneles solares de 370 W y una batería LiFePO4. Y precisamente ahí está el argumento: una estación aislada que vive de energía solar es el escenario donde bajar de un x86 a un Orin NX de 10–25 W cambia el dimensionamiento completo del sistema fotovoltaico.
El otro caso chileno es Codelco El Teniente, que aplicó analítica de video con IA sobre 40 cámaras para detectar conductas de riesgo: reportan 90% de reducción en interacciones equipo-persona en los talleres monitoreados y eliminación total del acercamiento de personal a piques. Codelco no divulgó la plataforma de cómputo, así que no afirmamos que sea Jetson. Lo interesante es la aritmética: 40 de 1.200 cámaras tienen analítica. Escalar las 1.160 restantes contra un servidor central es caro en ancho de banda y en GPU; hacerlo con inferencia en el borde, por cámara o por grupo, es exactamente el problema que resuelve un Orin Nano.
Un modelo de 28 MB que evita detener el chancador
Un diente de pala que se desprende y entra al chancador primario detiene la línea de conminución completa. Un trabajo publicado en Mechanical Sciences atacó justamente eso: detección de caída de dientes de balde en palas eléctricas con un YOLOX modificado, entrenado sobre 1.200 fotogramas de una pala WK-10 —500 de ellos nocturnos— expandidos a 3.600 imágenes.
El resultado: 95,26% mAP a 50,8 FPS con un modelo de 28,42 MB, comprimido al 29% del tamaño original mediante convolución separable en profundidad y poda de canales. Los autores declaran como objetivo el despliegue en procesador embebido Xavier, aunque —seamos precisos— no publican FPS medidos sobre el Xavier: esa cifra es de la plataforma de evaluación.
Para dimensionar el caso de negocio en Chile: una hora de detención del chancado primario en una faena grande cuesta un orden de magnitud más que el sistema completo de cámara más Jetson que la habría evitado.
Y algo que puedes usar mañana: un dataset abierto de correa transportadora
Investigadores de la Universidad Federal de Ouro Preto y el Instituto Tecnológico Vale publicaron un dataset abierto de objetos extraños sobre correa transportadora de mineral de hierro, capturado con un Jetson TX2 grabando a 120 FPS en 1280×720. Son 19 videos y 19.275 imágenes etiquetadas: mineral normal, jaspilita, ganga, madera y otros contaminantes.
Es material listo para entrenar un detector de material inchancable —el mismo problema que Codelco está pilotando en El Teniente— sin partir de cero recolectando datos en faena.
El vacío chileno
Buscamos deliberadamente un despliegue Jetson en minería chilena y no encontramos ninguno verificable. Hay visión computacional en Centinela y en El Teniente, hay tecnología del AMTC de la Universidad de Chile en validación en terreno para automatizar la fragmentación de roca, pero nada que podamos documentar como corriendo sobre Jetson.
Preferimos decirlo así, con el vacío a la vista, antes que inventar un caso local. Y ese vacío es la oportunidad: el hardware está probado a 5.300 metros, los modelos pesan 28 MB, los datasets ya existen abiertos, y el kit con el que se prototipa cuesta menos que una hora de detención de planta. Si estás evaluando un piloto en faena, escríbenos y armamos la lista de materiales completa.