A robótica autônoma e inteligente envolve diferentes áreas do conhecimento, é multidisciplinar. Os robôs devem ser capazes, entre outras coisas, de prever e planejar suas ações. Um aprendizado que, na maioria das vezes, requer longos períodos de processamento e inúmeros testes – o que reforça a importância de um ambiente virtual que seja capaz de reproduzir o modelo real com fidelidade e de acelerar o processo de ajuste e aprendizado do modelo. A técnica inteligente selecionada, para dotar com inteligência o robô virtual, foi o Aprendizado por Reforço (do inglês Reinforcement Learning), onde o agente (robô) recebe recompensas e punições pelas ações realizadas. Nessa técnica, o objetivo é encontrar uma política de ações que maximize as recompensas recebidas pelo agente. Neste estudo, optou-se por utilizar o método Q-Learning, um método off-policy, ou seja, a maximização das recompensas independe da política de ações utilizada. Os resultados obtidos foram satisfatórios, uma vez que o agente foi capaz de aprender de forma não supervisionada. Os valores de utilizados na função-greedy foram essenciais para demonstrar a importância do equilíbrio entre a exploração e a explotação nesse tipo de aprendizado.