无人系统正在达到一个水平，美国海军（USN）正在改变作战方式，将有人无人协同作战纳入其中。要使这些团队发挥有效作用，需要有一种团队所有成员都能理解的信息沟通方式。预期性能的统一量化可通过三阶段信息理论自评估框架来实现：任务前、任务中和任务后。该框架可应用于任何包含工厂、传感器模型、位置估算器、地图估算器和路径规划器的自动驾驶模型。本文的重点是使用主动地形辅助导航（ATAN）在自主潜航器（AUV）上实施任务前阶段。ATAN 使用的动态路径规划算法（也称为部分可观测蒙特卡洛规划（POMCP）过程）经过修订，利用共享信息论指标库尔贝克-莱布勒发散（KLD）来量化奖励。任务前分析旨在了解算法参数与环境信息之间的关系。本论文的结果验证了信息论自我评估的方法。自我评估可以在任务前、任务中和任务后评估并明确传达其预期性能，从而提高自主模型的可靠性和有效性。