本文探讨了通过参数化技能提升无模型强化学习在稀疏奖励任务中的样本效率。研究表明，显式建模任务模式的状态独立性有助于技能转移和任务解决。实验验证了该方法在机械手臂操作中的有效性，并提出了多种无监督技能发现算法，显著提高了机器人操作的性能和泛化能力。

本文提出了一种基于基础模型的强化学习框架，旨在指导代理在无需人类反馈的情况下学习语义有意义的行为。代理通过大型语言模型接收任务指令，并利用视觉-语言模型提供的奖励反馈进行多任务学习。研究表明，该方法在复杂环境中表现优异，克服了传统无监督技能发现的困难，并探讨了使用基础模型作为教师的挑战及解决方案。

本文介绍了一种新方法，通过动态操作行为学习高度通用的策略，结合强化学习和无监督技能发现，提升样本效率。研究表明，代理在多种运动任务中能够快速适应并执行复杂技能，最终成功应用于四足机器人。

本文介绍了变分课程强化学习（VCRL）方法，用于学习复杂技能。该方法利用变分增强作为内在奖励函数，并提出了一种无监督技能发现的新方法。实验证明，该方法能够加快访问状态熵的增加，并成功完成了复杂导航和机器人操作任务。将这些技能与全局规划器相结合可以进一步提高性能。

该文介绍了一种新的无监督技能发现算法DISCO-DANCE，它通过选择具有未探索状态潜力最高的引导技能，引导其他技能跟随引导技能，然后引导的技能在未探索的状态下分散以最大化它们的可区分性，以增强探索能力。

本文提出了VCRL和VUVC两种方法，分别用于课程学习和无监督技能发现。通过复杂导航和机器人操作任务验证了该方法的有效性，并以零次设定下的真实世界机器人导航任务为例，证明了通过该方法发现的技能能够成功完成任务，并且将这些技能与全局规划器相结合可以进一步提高性能。