Pada banyak aplikasi robotika, seperti sistem navigasi robot mandiri atau robot otonom yang bergerak dengan mandiri pada lingkungan tidak terstruktur, sangat sulit atau tidak mungkin memperoleh model matematik yang tepat dari interaksi robot dengan lingkungannya. Untuk itu diperlukan pendekatan sistem kendali robot yang dikenal dengan sistem kendali Behavior-Based Robot (BBR). Pada pendekatan ini, sistem diuraikan menjadi beberapa modul yang masing-masingnya bertanggung jawab untuk melakukan satu perilaku (behavior). Salah satu metode pembelajaran yang paling cocok untuk aplikasi robot adalah Reinforcement Learning (RL), dengan jenis algoritma Q-learning. Kombinasi Q-learning dengan Fuzzy Inference System (FIS) dikenal dengan nama Fuzzy Q-Learning (FQL). Berdasarkan percobaan yang dilakukan sebanyak 3 kali pada robot beroda dapat disimpulkan bahwa waktu rata-rata robot kembali ke Homebase yaitu 1 menit 10 detik. Sedangkan waktu rata-rata robot dalam mematikan api lilin adalah 2 detik. Sehingga dapat dikatakan robot yang dibuat mempunyai kinerja yang cukup baik.
Genetic Reinforcement Learning Algorithms for On-line Fuzzy Inference System Tuning "Application to Mobile Robotic"
