简介： 本发明公开了一种基于深度强化学习的移动机器人动态复杂环境避障导航方法，包括避障模块、目标接近模块、DRL策略训练模块、模拟‑现实任务。本发明的有益效果是：通过该方法实现移动机器人在无全局地图信息的情况下，依靠传感器的观测信息，通过多障碍物识别网络对观测结果进行处理，结合目标的相对位置信息，通过深度强化学习模型进行训练，学习避障导航策略，避开多个动态障碍物，到达指定目标点；不再依赖于全局地图，不需耗费大量算力建立高精度地图，不需考虑全局地图信息的维护与更新；输入传感器观测信息，输出机器人控制动作，端到端的导航策略模式反应迅速，能够适应复杂动态多障碍物的环境。