基于视觉的感知运动
两阶段方法：
流程：首先在完全可观测的马尔可夫决策过程（MDP） 中，利用特权信息训练一个强大的教师策略。然后，通过知识蒸馏，将教师策略的知识迁移给一个仅能使用真实传感器数据的学生策略。优点：教师策略提供了强大的监督信号，使学生策略的训练更稳定、更高效。缺点：学生策略的性能被教师策略所限制，无法超越老师。同时，教师策略依赖仿真中的特权信息，这些信息在现实中可能不准确或无法获取，可能导致错误的指导。
端到端方法：
流程：直接在部分可观测的马尔可夫决策过程（POMDP） 中，从传感器数据端到端地学习策略。优点：没有教师策略的限制，策略可以通过与环境交互自由探索，潜力上限更高。缺点：在POMDP中学习非常困难，训练过程不稳定，且由于缺乏强有力的监督，往往难以学习到高性能的策略。