Apprendimento per rinforzo (RL)

Metodo di addestramento in cui un agente impara interagendo con un ambiente (reale o simulato) e massimizzando un segnale di ricompensa. In robotica, viene usato massicciamente in simulazione (es. NVIDIA Isaac Lab) per produrre politiche di controllo, poi trasferite sul robot fisico (vedi: sim-to-real). Si distingue dall'imitation learning: l'agente non ha bisogno di dimostrazioni umane, ma richiede una funzione di ricompensa ben definita. EN: reinforcement learning (RL).