Op de 28e maakte Boston Dynamics bekend dat zijn viervoetige robot, Spot, complexe manoeuvres heeft uitgevoerd, zoals continue achterwaartse salto's. De kerntechnologie komt voort uit miljoenen trainingscycli voor versterkend leren. Het R&D-team onthulde voor het eerst dat de initiële simulatieresultaten, wanneer ze werden overgebracht naar de echte robot, "bijna elke keer mislukten". Ingenieur Arun Kumar gaf toe: "We zijn honderden keren op gymnastiekmatten gevallen voordat we het op beton durfden te laten proberen."
De schijnbaar opzichtige backflips zijn eigenlijk gericht op overlevingskansen in extreme scenario's. Uit officiële gegevens blijkt dat het leren van versterking de snelheid van de houdingsaanpassing van Spot met 40% heeft verhoogd in het geval van vallen of uitglijden, waardoor de sensoren ter waarde van tienduizenden dollars op zijn rug, zoals de LiDAR, effectief worden beschermd. Een onverwachte bonus is dat het looppatroon van de robot door geoptimaliseerde dynamische controle meer op dat van een echte hond is gaan lijken. De gewrichtszwaai is met 15% verminderd, de coördinatie van de ledematen op oneffen terrein is met 22% verbeterd en hij kan zelfs zijn evenwicht bewaren dankzij rollen die op de voorpoten zijn geïnstalleerd.
Deze doorbraak zet de blijvende erfenis van de Spot-familie voort: van stabiel blijven nadat ze in 2015 werd geschopt tot het nu uitvoeren van een backflip om zichzelf te redden, transformeert Boston Dynamics 'trial and error-training' in een commercieel voordeel. Er is onthuld dat het nieuwe algoritme is toegepast op scenario's met een hoog-risico, zoals inspecties van oliepijpleidingen. Eén energieklant rapporteerde een daling van 67% in het aantal ongevallen bij Spot in gladde pijpleidingen. "Backflips zijn niet het eindspel", zei Kumar. "We leren hem 'valpartijen te voorspellen', zodat hij zichzelf beter kan beschermen dan mensen."