Booster K1 er en kompakt humanoid robotplatform fra Booster Robotics med 22 frihedsgrader til forskning, undervisning og udvikling. Med 95 cm i højden og en vægt på 19.5 kg er K1 et velfungerende tobenet system i en størrelse, der passer til laboratorier, undervisningslokaler og proof-of-concept-arbejde—en tilgængelig indgang til humanoid robotteknologi i fuld skala.

K1's ledkonfiguration er gennemtænkt til udtryksfulde, dynamiske bevægelser. Med 2 DOF i hoved/hals, 4 DOF pr. arm og 6 DOF pr. ben opnår robotten stabil tobenet gang og kan samtidig udføre gestik med overkroppen og følge med hovedet. Fordelingen giver forskere mulighed for at udforske hele spektret af udfordringer inden for humanoid bevægelse, fra balance og gangoptimering til interaktion mellem menneske og robot og kommunikation med gestik.

Computeren om bord leverer 117 TOPS GPU-regnekraft og giver betydelig kapacitet til implementering af AI-modeller, computer vision-applikationer og styringsalgoritmer i realtid. Den ekstra regnekraft understøtter eksperimenter med forstærkningslæring, inferens med neurale netværk, sensorfusion og de beregningstunge opgaver, der hører til udviklingen af humanoide robotter. Videreudvikling understøttes fuldt ud, så teams frit kan implementere egen adfærd og integrere K1 i bredere forskningsrammer.

K1 henvender sig til universiteter, forskningslaboratorier og industrielle F&U-teams, der udforsker tobenet gang, interaktion mellem menneske og robot, embodied AI og koncepter inden for servicerobotter. Det kompakte fodaftryk gør den praktisk i indendørs testmiljøer, samtidig med at den viser dynamikken, styringsudfordringerne og interaktionsmønstrene i humanoide systemer med ben. Robotten bygger bro mellem små humanoide undervisningsrobotter og industrielle platforme i fuld skala.

Uanset om den bruges til gangforskning, AI-udvikling, HRI-studier eller demonstrationer i undervisningen, er Booster K1 en seriøs humanoid platform uden pladskravene, sikkerhedskompleksiteten eller omkostningerne ved større systemer. Den er designet til teams, der har brug for rigtig tobenet hardware til at validere algoritmer, undervise studerende eller lave prototyper af servicerobotkoncepter, før de skalerer op.