本文提出了一种新颖的表示学习方法，通过度量状态转换距离自动生成辅助奖励，从而提升增强学习的效率和收敛稳定性。研究表明，该方法在多模态观察中有效提取稠密奖励，促进机器人任务的学习，加速收敛并改善学习效率。

本文综述强化学习中的奖励塑造方法。PBRS可加速收敛，但在高维系统中提升有限，其奖励项缩放更稳健。后续研究提出自适应塑形奖励、FV-RS、逆向强化学习中的潜力塑造、内在奖励机制、磁场奖励制及GPIM等方法，旨在提升样本效率与学习性能，并解决辅助奖励不对齐问题。