تُعد عملية التخطيط الآمن والكفء للمسارات عنصرًا محوريًا في مجال القيادة الذاتية. رغم وجود العديد من الأساليب الحالية، إلا أن الغالب منها لم يُظهر الكفاءة المطلوبة أو الضمانات الأمنية. فالأساليب المعتمدة على التعلم عن طريق التقليد تواجه مشاكل في التشويش السببي، في حين أن الأساليب القائم على القواعد غالبًا ما تجلب عبئًا حسابيًا ثقيلًا وتعرض النتائج لمشاكل في التوافق. تُعَد الأساليب المعتمدة على التفضيلات مقيدة أيضًا بسبب اعتمادها على بيانات محددة بصرامة، مما يقلل من إمكانية استخدام البيانات.

للتغلب على هذه التحديات، اقترح الباحثون طريقة EMPlan - وهي طريقة مبتكرة لتخطيط المسارات متعددة الأبعاد تعتمد على تحسين التفضيلات المدعومة بالمكافآت. يستخدم EMPlan هياكل هجينة تجمع بين نقاط ثابتة قليلة مع وحدة تحسين للتعويض، مما يتيح التنبؤ بدقة عالية للمسارات بوقت استجابة منخفض.

تكمن الابتكارية في أسلوب التدريب ذو المرحلتين، الذي يتكون من التدريب المسبق وتحسين المكافأة، حيث يقوم العلماء بتوظيف إشارات مكافآت مستندة إلى القواعد وإشراف على التفضيلات غير المرصودة لتحسين سياسة القيادة المسبقة نحو خيارات أكثر أمانًا. عبر تقييم EMPlan في معيار NAVSIM غير التفاعلي، يظهر هذا النهج توازنًا مرضيًا بين دقة التخطيط والكفاءة، مما يُثبت تفوقه تحت قيود الزمن الحقيقي.