Bestärkendes Lernen (RL)

Trainingsmethode, bei der ein Agent lernt, indem er mit einer Umgebung (real oder simuliert) interagiert und ein Belohnungssignal maximiert. In der Robotik wird sie massiv in der Simulation eingesetzt (z. B. NVIDIA Isaac Lab), um Steuerungsstrategien zu erzeugen, die anschließend auf den physischen Roboter übertragen werden (siehe: sim-to-real). Unterscheidet sich vom Imitation Learning: Der Agent benötigt keine menschlichen Demonstrationen, wohl aber eine klar definierte Belohnungsfunktion. EN: reinforcement learning (RL).