一种融合人工势场的深度强化学习多无人机路径规划方法

本发明属于无人机路径规划技术领域，尤其为一种融合人工势场的深度强化学习多无人机路径规划方法，包括以下步骤，S1，构建包含静态与动态障碍物的三维仿真环境，构建UAV在未知环境进行路径规划的系统模型，基于所构建的系统模型构建UAV路径规划的优化问题，以最小化任务完成时间并避免障碍物为目标。本发明通过将人工势场合力嵌入TD3算法的状态空间，并设计多维度奖励函数，解决了传统深度强化学习训练效率低、避障能力不足的问题。实验表明，该方法在动态障碍物场景中任务成功率提升10％‑30％，碰撞率降低20％‑50％，可实时生成光滑无碰撞轨迹，适用于多无人机集群的协同导航与应急救援任务。