安全的无人机自主导航需要战术去冲突，以处理战略协同无法避免的冲突。部分可观测情况下，传感器或交通数据可能缺失、延迟或退化，几何方法虽能提供分离保证，但在密集遭遇中受限。递归强化学习因能够利用观测‑动作历史，优化长期安全‑效率权衡而被提出。
然而，运行时可能需要远程驾驶员、机载探测规避系统或保障机制临时覆盖学习策略。研究空白在于中断后智能体重新获得控制权时，递归策略的表现如何变化。基准实验表明，中断会削弱隐藏状态对任务变量的可解码性，并提升中断后碰撞风险。原因在于中断改变了动作，进而影响飞行路径和随后的递归更新，形成负向反馈循环。
为缓解此脆弱性，本文提出三种中断感知架构：通过独立特征流、专用中断记忆或门控环境特征，将中断上下文条件化到递归处理。仿真结果显示，这三种架构均比标准递归策略保留更多可解码的任务信息。最优架构在保持无中断性能的前提下，将中断后碰撞率降低74%，将因中断导致的任务失败降低69%。这些结果表明，安全的中断并不等同于安全的交还，支持在无人机自主系统中采用中断感知的递归设计。点评