Comment fonctionne l’apprentissage par renforcement pour un robot ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
L’apprentissage par renforcement fait essayer au robot des actions, observe leurs conséquences et ajuste une politique selon une récompense, plutôt que de lui fournir chaque trajectoire.
Apprendre par essais évalués
Un état décrit la situation, une action modifie cette situation et la récompense indique si le résultat va dans le bon sens. La politique relie ensuite états et actions.
Atteindre une position
Le robot reçoit un signal quand son outil se rapproche de la cible, mais aussi un coût pour les collisions et l’énergie afin d’éviter un raccourci brutal.Un bon score peut cacher un mauvais comportement
L’entraînement virtuel, les limites du contrôleur et les essais progressifs sont nécessaires avant de laisser le robot apprendre sur le matériel réel.
Sources et références
- [1] Human-robot interaction — NIST