原理和之前一樣，但這次我們會使用機械人的相機。 輸入是海量的圖像（相機所有的像素, 它們以紅色、藍色和綠色所組成），我們需要添加神經元層來分析圖像； 最終會得出一個非常複雜的網絡，這是我們無法以手工完成或嘗試逐步去理解的。

導入「Reinforcement learning - Obstacle Avoidance」 , 它使用的是相機導航以避開障礙物

或自行選擇所需的參數 :

• 在 AI tab :

- 「learning type」選擇 「Reinforcement learning」, 「algorithm」選擇「deep Q-learning 」 ,
  「Hidden layers」輸入「100 100 50」 , 剔選「experience buffer」

• 在 Sensor tab :

- 按「speed」再選「blocked/moving」

- 選擇「camera」(例如 : 32x24) 以及在「camera ... composition」選擇「White/Black-Yellow/Blue-Red/Green」

• 在 Reward tab :

-  選擇 「Speed and blocked」

啟動機器人。經過一段時間後(大約10分鐘), 機器人最後跑完整個場地並偵測到牆壁不會撞上它。