ビデオゲームをマスターするには、技術、戦術、戦略が必要です。これらの属性は人間のプレイヤーが自然に獲得できるかもしれませんが、コンピュータープログラムにそれらを教えることは遥かに困難な課題です。近年、強化学習分野において多くの研究が行われ、ビデオゲームをプレイするなどの人間のタスクを学習することを目指す数々のアルゴリズムが導入されました。その結果、アーケード学習環境（Arcade Learning Environment: ALE）（Bellemare et al., 2013）が一般的なベンチマーク環境として使用されるようになりました。この環境では、アルゴリズムがさまざまなAtari 2600のゲームで訓練を行うことが可能であり、多くのゲームで最先端のアルゴリズムが人間を超える性能を発揮しています。本論文では、新しい学習環境であるレトロ学習環境（Retro Learning Environment: RLE）を紹介します。この環境はSuper Nintendo Entertainment System (SNES)、Sega Genesisおよび他の複数のゲーム機でゲームを実行することができます。RLEは拡張性があり、より多くのビデオゲームやゲーム機を簡単に追加することができつつも、ALEと同じインターフェースを維持しています。さらに、RLEはPythonとTorchに対応しています。SNESのゲームはその高い複雑さと多様性から、現在のアルゴリズムにとって大きな挑戦となっています。