Apprentissage par renforcement (RL)

Méthode d'entraînement où un agent apprend en interagissant avec un environnement (réel ou simulé) et en maximisant un signal de récompense. En robotique, utilisé massivement en simulation (ex. NVIDIA Isaac Lab) pour produire des politiques de contrôle, puis transférées sur le robot physique (voir : sim-to-real). Distinct de l'imitation learning : l'agent n'a pas besoin de démonstrations humaines, mais nécessite une fonction de récompense bien définie. EN : reinforcement learning (RL).