本稿では「知覚学習（PeL）」という新たな枠組みを提案し、エージェントの感覚インターフェースをタスクに依存しない信号を用いて最適化することに焦点を当てています。PeLは、ラベルなしの知覚特性に直接アプローチし、ノイズへの安定性、情報量の確保、制御された幾何学などの特性を評価するための客観的な表現不変の指標を用います。知覚と意思決定の分離を形式化し、目的や再パラメータ化に依存しない知覚的特性を定義しています。また、十分な不変性を保持したPeLの更新は、ベイズタスクリスクの勾配と直交することを証明しています。さらに、知覚の質を確かめるためのタスク非依存の評価指標セットを提供しています。