强化学习工具箱™提供的功能和模块使用强化学习算法，包括DQN，A2C，和DDPG培训政策。您可以使用这些策略来实现控制器和决策算法的复杂系统，如机器人和自治系统。您可以实现使用深层神经网络，多项式，或查找表的策略。

该工具箱使您可以通过使他们能够与MATLAB代表环境之间互动培训政策^®或者S万博1manbetximulink的^®楷模。您可以评估算法，具有超参数设置和监控训练进度实验。为了提高训练性能，可以运行在云中的并行计算，计算机集群，GPU的（并行计算工具箱™和MATLAB并行服务器™）。

通过ONNX™模型格式，现有的政策可以从深度学习的框架，如TensorFlow™Keras和PyTorch（与深度学习工具箱™）进口。您可以生成优化的C，C ++，和CUDA代码部署在微控制器和GPU的训练有素的政策。

该工具箱包括用于使用增强学习来设计机器人控制器和自动驾驶应用参考例。