Le 28, Boston Dynamics a annoncé que son robot quadrupède, Spot, avait réalisé des manœuvres complexes telles que des backflips continus. La technologie de base provient de millions de cycles de formation par apprentissage par renforcement. L'équipe R&D a révélé pour la première fois que les résultats initiaux de la simulation, une fois transférés au robot réel, "échouaient presque à chaque fois". L'ingénieur Arun Kumar a admis : "Nous sommes tombés des centaines de fois sur des tapis de gymnastique avant d'oser le laisser essayer sur du béton."
Les backflips apparemment spectaculaires visent en réalité à assurer la survie dans des scénarios extrêmes. Les données officielles montrent que l'apprentissage par renforcement a augmenté la vitesse d'ajustement de la posture de Spot de 40 % en cas de chute ou de glissade, protégeant ainsi efficacement les capteurs valant des dizaines de milliers de dollars sur son dos, tels que le LiDAR. Un avantage inattendu est que la démarche du robot est devenue plus similaire à celle d'un vrai chien grâce à un contrôle dynamique optimisé. Le balancement des articulations a été réduit de 15 %, la coordination des membres sur terrain accidenté a été améliorée de 22 % et il peut même maintenir l'équilibre grâce à des rouleaux installés sur ses pattes avant.
Cette percée perpétue l'héritage durable de la famille Spot : de rester stable après avoir été expulsé en 2015 à effectuer maintenant un backflip pour se sauver, Boston Dynamics transforme la « formation par essais et erreurs » en un avantage commercial. Il a été révélé que le nouvel algorithme a été appliqué à des scénarios à haut risque-comme les inspections d'oléoducs. Un client du secteur de l'énergie a signalé une réduction de 67 % du taux d'accidents de Spot dans les pipelines glissants. "Les backflips ne sont pas la fin du jeu", a déclaré Kumar. "Nous lui apprenons à "prédire les chutes" afin qu'il puisse mieux se protéger que les humains."