Reinforcement Learning är en gren inom maskininlärning som handlar om att träna en agent att ta beslut genom att interagera med en miljö. Genom att utforska miljön och prova olika handlingar kan agenten samla in belöningar eller straff baserat på hur väl den presterar i miljön.
Målet är att lära sig en optimal strategi för att maximera de samlade belöningarna över tiden. RL används ofta i spelteori, robotik, autonoma fordon och andra områden där agenten måste interagera med en dynamisk miljö.