一种面向未知动态环境的水下机器人路径规划方法、电子设备、介质

本发明公开了一种面向未知动态环境的水下机器人路径规划方法、电子设备、介质，包括：智能体根据当前Q网络的输出选取动作，与环境交互，得到状态；考虑路径规划中的安全约束，对状态进行处理，得到第一类指导信息、第二类指导信息，从而更新状态；根据更新后的状态，计算奖励；将动作、状态、奖励存入经验回放池中；重复上述过程，直至经验回放池中的数据量达到阈值；从经验回放池中抽取一批经验数据，分别输入至Q网络、目标Q网络中，计算Q值、目标Q值；采用梯度下降法最小化损失函数，以更新Q网络参数；将Q网络的参数复制到目标Q网络；直至损失函数收敛，得到训练好的目标Q网络；配置测试环境，利用训练好的目标Q网络输出规划路径。