加固学习工具箱™提供了使用加固学习算法的培训策略的功能和块，包括DQN，A2C和DDPG。您可以使用这些策略来实现用于复杂系统的控制器和决策算法，例如机器人和自主系统。您可以使用深神经网络，多项式或查找表来实施策略。

Toolbox允许您通过使它们与Matlab表示的环境进行交互来培训策略^®或者模金宝app拟^®楷模。您可以评估算法，使用HyperParameter设置进行实验，并监控培训进度。为了提高培训性能，您可以在云，计算机集群和GPU上并行运行模拟（并行计算工具箱™和MATLAB并行服务器™）。

通过Onnx™模型格式，可以从深度学习框架（如Tensorflow™Keras和Pytorch）导入现有策略（具有深度学习工具箱™）。您可以生成优化的C，C ++和CUDA代码，以便在微控制器和GPU上部署培训的策略。

该工具箱包括使用加强学习的参考示例，用于设计机器人和自动化驾驶应用的控制器。