پاتریک اسلید، دانشجوی دکتری دانشگاه استنفورد، میگوید تیم او بهدلیل مقرونبهصرفهبودن رزبریپای و قابلیتهای این کامپیوتر تکبُرد کوچک در پروژهی اسکلت رباتی خود از آن استفاده کردهاند. اسلید همچنین اعلام کرده است نوشتن کدهای موردنیاز روی رزبریپای به زبان پایتون، فرایند اعتبارسنجی را نیز آسانتر میکند.
بهنوشتهی تکاسپات، کلید موفقیت هر دستگاه تطبیقپذیر امکان شخصیسازی آن است و این همان نکتهای است که پروژهی خلاقانهی استنفورد توجه ویژهای به آن کرده است. این تیم سالها از شبیهسازهای اسکلتی برای آموزش مدل یادگیری ماشینی خود استفاده کرده و تلاشهایش سرانجام نتیجه داده است.
این سیستم حدوداً به یک ساعت زمان نیاز دارد تا روش راهرفتن کاربر را بهطورکامل یاد بگیرد و براساس آن الگویی سفارشی ایجاد کند؛ بهطوریکه تأثیر این الگو در ۱۵ دقیقهی اولی که با اسکلت رباتیک راه میروید، احساس میشود. سازندگان اسکلت رباتیک مدعی شدهاند این دستگاه باعث میشود افراد بتوانند تا ۹ درصد سریعتر از حالت معمولی راه بروند و حداکثر ۱۷ درصد انرژی کمتری نیز مصرف کنند.
آوا لکمظاهری، دانشجوی فارغالتحصیل استنفورد، از اسلکت رباتک استفاده کرده است. وی دراینباره میگوید:
نتایج بهدستآمده از آزمایش اسکلت رباتیک تیم تحقیقاتی دانشگاه استنقورد امیدوارکننده است؛ اما هنوز کارهای زیادی برای انجامدادن وجود دارد. نمونهی اولیهی این دستگاه ابعاد نسبتاً بزرگی دارد و همهی قطعات الکترونیکی آن را میتوان مشاهده کرد. نسخهای که برای کاربران نهایی آماده خواهد شد، به تغییر بصری برای پنهانکردن قطعات داخلی نیاز دارد و در حالت ایدئال، ابعاد آن میتواند کمی کوچکتر شود.
ناگفته نماند محققان برای تجاریسازی ایدهی خود باید بهدنبال شرکای تجاری باشند. اسکلت رباتیک جدید میتواند روزی درکنار وسایل حرکتی کمکی سنتی مثل واکرها، به فعالماندن افراد برای مدت طولانیتر کمک کند.