研究比较了最短时间任务与密集奖励任务的奖励机制，发现最短时间任务能够学习更优策略并提升性能。初始策略的目标达成率是稀疏反馈下学习成功的早期指标。实验表明，在真实机器人平台上，使用常数负奖励可在两到三小时内学习基于像素的策略。