Uczenie ze wzmocnieniem (RL)

Metoda treningu, w której agent uczy się poprzez interakcję ze środowiskiem (rzeczywistym lub symulowanym) i maksymalizowanie sygnału nagrody. W robotyce wykorzystywana masowo w symulacji (np. NVIDIA Isaac Lab) do tworzenia strategii sterowania, następnie przenoszonych na fizycznego robota (zobacz: sim-to-real). Różni się od imitation learning: agent nie potrzebuje ludzkich demonstracji, ale wymaga dobrze zdefiniowanej funkcji nagrody. EN: reinforcement learning (RL).