由深度学习驱动的自主机器人面临着一个基本的可审核性挑战：当事件发生时，调查人员无法重建系统做出特定决策的原因。本文介绍了TRACE （ Transparent Reasoning Architecture for Credible Execution ） ，这是一个决策框架，可确保每个自主行动都可以通过记录的因果链追溯到传感器证据。

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.02861v1)获取最准确的信息。

---
🔗 **原文链接**: [Towards Trustworthy Autonomous Robots: An Explainable AI-Bas](https://arxiv.org/abs/2609.02861v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Cagri Temel

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-03 14:01