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。

本文提出了一个基于CNN架构的两阶段方法，实现了模拟人类感知环境的能力，并将环境映射到机器人可选择遍历的轨迹上。作者通过轨迹建议网络和轨迹采样网络实现了精细的轨迹规划。实验结果表明该框架在复杂场景中能够改善机器人导航任务的性能。