本研究提出了一种基于世界模型的可解释强化学习技术，旨在解决时序决策的复杂性，增强用户对代理策略的理解，并通过环境操控帮助用户控制代理执行。

本研究提出了一种新方法，通过结合局部多样性、行为确定性和全局种群多样性，优化可解释强化学习中的策略演示，显著提升轨迹选择的可解释性，特别在安全性要求高的领域具有重要意义。