一种基于深度确定性梯度策略的月球车路径规划方法

本发明公开了一种基于深度确定性梯度策略的月球车路径规划方法，通过将距离奖励、瞬时进展奖励、瞬时航向奖励和运动平滑性奖励，构建动态多维度奖励函数机制，通过地形特征动态调节权重系数，实现多目标自适应协同；通过在不同风险地形中动态调整步长，提升月球车在不同地形下的避障精度和自主探索能力；通过动态多维度奖励函数、轻量化网络结构及自适应调整步长策略的多层次自适应机制，避免局部最优，提升路径连续性，完成月球车自主决策探测任务，实现路径规划效率与运动安全性的双重提升，解决传统强化学习在复杂月面环境中存在的收敛速度慢、路径震荡频繁、地形适应性差及模型部署效率低等核心问题，‌降低模型复杂度和减少对地图的依赖。