自监督学习是一个很有前途的替代方法，其中开发的代理任务允许模型和代理在没有明确监督的情况下学习，这有助于对感兴趣的任务的下游性能。自监督学习的主要好处之一是提高数据效率:用较少的标记数据或较少的环境步骤(在强化学习/机器人技术中)实现可比较或更好的性能。