Esta rama del aprendizaje automático se basa en entrenar a los algoritmos de inteligencia artificial (IA) de la misma forma con la que se entrenaría a un perro, ofreciendo una recompensa por respuesta correcta. Para una máquina, la "recompensa" puede ser acumular una puntuación alta en un videojuego.
Esto explica por qué Schulman está tan entusiasmado con el videojuego de 1991 Sonic the Hedgehog. Afirma que es un punto de referencia perfecto para probar si los nuevos algoritmos de aprendizaje automático transfieren correctamente las habilidades aprendidas a situaciones nuevas. Dado que Sonic es el erizo más rápido del mundo, el juego va a toda velocidad y muestra unas leyes físicas interesantes. Cuando una IA aprende a jugar, es fácil para los investigadores probar su capacidad de transferir ese conocimiento a diferentes escenarios.
Cuando los algoritmos han sido entrenados, se pueden aplicar en el mundo real para mejorar las capacidades motrices de los robots. Los enfoques tradicionales se han especializado en ciertas situaciones, lo que significa que en un terreno nuevo, un robot programado con métodos más antiguos podría caerse. En este tipo de escenario, Schulman espera que uno que utiliza el aprendizaje reforzado pueda volver a levantarse y probar distintas estrategias hasta que resuelva el problema.