Verstärkendes Lernen (reinforcement learning) ist eine Methode der künstlichen Intelligenz, bei der Systeme durch Belohnungen und Strafen lernen, bessere Entscheidungen zu treffen. Es ist wie ein Versuch-und-Irrtum-Verfahren, bei dem ein Akteur seine Strategie durch viele Versuche verbessert. In der Robotik wird verstärktes Lernen verwendet, um komplexe Bewegungen, Navigation oder Interaktionen zu trainieren. Diese Technik ist besonders nützlich, wenn Entscheidungen nicht im Voraus programmiert werden müssen, sondern selbst entwickelt werden sollen.
