近年，被災地や宇宙などの危険な環境でロボットが活躍している．しかし，この様な環境下では突然ロボットが危険な状態に陥り，人からの危険回避命令が間に合わない場合がある．したがって，ロボットには自律的に危険回避行動を獲得することが求められる．これを実現する手法として強化学習を用いることが考えられる．本稿では，危険を回避するための新しい強化学習の枠組みとして，成功確率に基づく強化学習（Probability based Reinforcement Learning）を提案し，ロボットの行動獲得に適用する．