強化学習（Reinforcement Learning）

強化学習（Reinforcement Learning）は、AIが試行錯誤を繰り返し「うまくいった行動」に報酬を与えて学ばせる方法です。 ロボットが歩いたり物を掴んだりする動作を覚える場面で使われ、シミュレーション上で何百万回も練習させてから実機に移すのが定石。テスラのオプティマスやアトラスもこの仕組みで動作を磨いています。