Dana 28., Boston Dynamics je objavio da je njegov četveronožni robot, Spot, postigao složene manevre kao što su kontinuirana prevrtanja unatrag. Temeljna tehnologija proizlazi iz milijuna ciklusa učenja s pojačanjem. Istraživačko-razvojni tim je po prvi put otkrio da početni rezultati simulacije, kada se prenesu na pravog robota, "skoro svaki put nisu uspjeli". Inženjer Arun Kumar priznao je: "Pali smo stotine puta na gimnastičke strunjače prije nego što smo se usudili dopustiti da isprobamo na betonu."
Naizgled upadljivi backflips zapravo su usmjereni na preživljavanje u ekstremnim scenarijima. Službeni podaci pokazuju da je učenje s potkrepljenjem povećalo brzinu prilagodbe držanja Spota za 40% u slučaju padova ili poskliznuća, učinkovito štiteći desetke tisuća dolara vrijedne senzore na leđima, kao što je LiDAR. Neočekivani bonus je da je hod robota postao sličniji pravom psu zbog optimizirane dinamičke kontrole. Zamah zglobova smanjen je za 15%, koordinacija udova na neravnom terenu poboljšana je za 22%, a može čak i održavati ravnotežu s valjcima postavljenim na prednjim nogama.
Ovaj napredak nastavlja trajnu ostavštinu obitelji Spot: od toga da ostane stabilan nakon što je izbačen 2015. do sada izvodeći backflip kako bi se spasio, Boston Dynamics transformira "vježbu pokušaja i pogreške" u komercijalnu prednost. Otkriveno je da je novi algoritam primijenjen na scenarije visokog-rizika kao što su inspekcije naftovoda. Jedan energetski klijent izvijestio je o smanjenju od 67% stope nezgoda kod Spot-a u skliskim cjevovodima. "Backflipovi nisu kraj igre", rekao je Kumar. "Učimo ga da 'predvidi padove' kako bi se mogao zaštititi bolje od ljudi."