像素级匹配物理状态
通过保留环境中与动作相关的可控元素，该表征学习方法为深度强化学习提供紧凑且充分的状态描述，有效过滤无关干扰信息。
Qi, Yi · 张蕊 · 彭绍辉 · Guo, Jiaming · Xing, Hu · 杜子东 · Qi, Guo · 陈锐志 · Ling, Li · 陈云霁
Neurocomputing 2023
LCER训练表征保留环境的可控元素，这些元素反映动作相关的动态，因此能高效过滤各种干扰，尤其是不可控的干扰。
基于像素的SAC使用LCER表征后能够超越基于状态的SAC，表明所得表征与环境的oracle描述（即物理状态）相当。