El aprendizaje por refuerzo se ha explorado en el contexto de la operación de robots en diferentes entornos. Diseñar la función de recompensa en el aprendizaje por refuerzo es un desafío para los diseñadores porque requiere conocimientos especializados. Para reducir la carga de diseño, proponemos un método de diseño de recompensas que es independiente de entornos y tareas específicas en las que los robots de aprendizaje por refuerzo evalúan y generan recompensas de manera autónoma basándose en la información de los sensores recibida del entorno. Este método permite que el robot opere de manera autónoma en función de los sensores. Sin embargo, el enfoque existente para la adaptación intenta adaptarse sin considerar las propiedades de entrada para la fuerza de la entrada del sensor, lo que puede hacer que un robot aprenda acciones perjudiciales del entorno. En este estudio, proponemos un método para cambiar el umbral de la entrada del sensor considerando la fuerza de la entrada y otras propiedades. También demostramos la utilidad del método propuesto presentando los resultados de experimentos de simulación sobre un problema de búsqueda de caminos realizado en un entorno con recompensas escasas.