本文综述交互接地学习与逆向强化学习的进展：在无明确奖励下，通过反馈向量学习奖励函数并优化策略；提出VLB-IRL、深度潜变量模型及主动选择环境等方法，提高奖励推断的效率与可行性；VCRL/VUVC利用变分课程和信息论实现无监督技能发现，加快状态熵增长，并在导航与机器人操作任务中验证有效。