可解释强化学习（XRL）致力于开发使强化学习代理的决策过程透明且易于理解的技术。
在强化学习中，代理通过奖励学习在其环境中选择动作。XRL 补充了这一过程，提供了对特定动作决策原因的洞察。
典型的方法包括价值函数的可视化、识别决策相关特征以及生成抽象代理行为的解释模型。
这样模型变得更易理解，并能更好地应用于安全关键或受监管的领域。