Den 28. annoncerede Boston Dynamics, at dens firbenede robot, Spot, har opnået komplekse manøvrer såsom kontinuerlige backflips. Kerneteknologien stammer fra millioner af træningscyklusser for forstærkning. R&D-teamet afslørede for første gang, at indledende simuleringsresultater, når de blev overført til den rigtige robot, "fejlede næsten hver gang." Ingeniør Arun Kumar indrømmede: "Vi faldt hundredvis af gange på gymnastikmåtter, før vi vovede at lade det prøve på beton."
De tilsyneladende prangende backflips er faktisk rettet mod overlevelse i ekstreme scenarier. Officielle data viser, at forstærkningsindlæring har øget Spots stillingsjusteringshastighed med 40 % i tilfælde af fald eller glid, hvilket effektivt beskytter de titusindvis af dollars værd af sensorer på ryggen, såsom LiDAR. En uventet bonus er, at robottens gangart er blevet mere lig en rigtig hunds på grund af optimeret dynamisk kontrol. Ledsving er reduceret med 15%, lemmerkoordination på ujævnt terræn er blevet forbedret med 22%, og det kan endda opretholde balancen med ruller installeret på forbenene.
Dette gennembrud fortsætter Spot-familiens varige arv: Fra at forblive stabil efter at være blevet sparket i 2015 til nu at udføre et backflip for at redde sig selv, transformerer Boston Dynamics "trial and error-træning" til en kommerciel fordel. Det er blevet afsløret, at den nye algoritme er blevet anvendt på høj-risikoscenarier såsom inspektioner af olierørledninger. En energikunde rapporterede en reduktion på 67 % i Spots ulykkesrate i glatte rørledninger. "Backflips er ikke slutspillet," sagde Kumar. "Vi lærer det at 'forudsige fald', så det kan beskytte sig selv bedre end mennesker."