研究发现自监督视觉预训练对像素学习运动控制任务有效。作者提出手工设计的基准任务，包括运动、场景和机器人等方面的变化。实验结果显示，通过视觉编码器和强化学习，成功率高达80%，能与理论最好状态匹敌。野外图像如YouTube和自我中心视频在各操作任务的视觉表现上优于ImageNet图像。