多智能体系统中的自主智能体通过协调来实现其目标。然而，在一个部分可观察的世界中，目前的多智能体系统在实现其目标方面往往不太有效。在很大程度上，这种限制是由于智能体缺乏对其他智能体及其心理状态的推理。另一个因素是智能体无法与其他智能体分享所需的知识，以及在证明目标背后的原因时缺乏解释。这项研究通过提出一种在意外情况下的智能体目标管理的一般方法来解决这些问题。在这种方法中，智能体应用三个主要概念：目标推理--确定追求和分享什么目标；心智理论--选择一个（几个）智能体进行目标委托；解释--向选定的智能体证明委托目标背后的原因。

我们的方法提出了在多智能体系统中进行目标管理所需的几种算法。我们证明，这些算法将帮助多智能体背景下的智能体更好地管理他们的目标并提高他们的性能。此外，我们评估了我们的多智能体系统在海洋生物调查领域和漫游车领域的性能。最后，我们将我们的工作与不同的多智能体系统进行比较，并提出支持我们主张的经验结果。