在强化学习，模仿学习及其衍生的算法之外，机器人学习还有许多其他的范式。如基于高斯过程回归和贝叶斯优化的动作规划，基于大规模优化的实时地图构建与定位，基于稀疏编码和字典学习的操作技能基元学习等。这些方法与强化学习和模仿学习虽有形式上和应用领域上的显著差异，但是作为同属于机器人学习领域的研究工作，这些算法仍然具有许多相似的特性。这些特性的存在与算法能否在机器人上得以应用息息相关。也正因为这些特性的存在，我们才将这类算法称为面向机器人的学习算法。考虑到机器人的工作场景的特点和其对技能学习的需求，面向机器人的学习算法需要具备的特性可以概括如下：