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G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L域上的显著差异，但是作为同属于机器人学习L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：