Los sistemas autónomos no tripulados (UASs), incluidos drones y robótica, se emplean ampliamente en diversos campos. A pesar de los avances significativos en los sistemas inteligentes mejorados con IA, sigue existiendo una notable deficiencia en la interpretabilidad y evaluación cuantitativa integral de estos sistemas. La literatura existente se ha centrado principalmente en la construcción de marcos y métodos de evaluación, pero a menudo ha pasado por alto la racionalidad y confiabilidad de estos métodos. Para abordar estos desafíos, este documento propone un método de evaluación de optimización innovador para sistemas autónomos no tripulados basados en datos. Al optimizar los pesos de los indicadores existentes en función de las características de distribución de datos, este método mejora la estabilidad y confiabilidad de los resultados de evaluación. Además, se emplearon técnicas de interpretabilidad como Explicaciones Model-Agnostic Interpretables Locales (LIMEs) y Gráficos de Dependencia Parcial (PDPs) para verificar la efectividad de los indicadores de evaluación diseñados, garantizando así la robustez del sistema de evaluación. Los resultados experimentales validaron la efectividad del enfoque propuesto.