该文综述视觉导航研究，核心是学习富含语义与深度的场景表示，以提升复杂环境下的导航决策与泛化能力。方法包括语义特征、拓扑表示、自监督与对比学习、多模态预训练及模拟到现实迁移。实验表明，在目标导航和视觉语言导航中，成功率与SPL显著提升，部分任务较基线提高逾50%。

该文综述深度强化学习在机器人控制中的应用，涵盖DQN在Atari游戏中的关键机制、基于价值与策略的算法、模拟到现实迁移、视觉感知控制、多机器人编队及人机交互技能学习等方向，并总结模仿学习范式与仿真平台，指出开放性挑战。