近年来,机器人领域发展迅速,特别是移动机器人应用越来越广泛,其中移动机器人导航技术的发展也是突飞猛进,基于视觉传感器的导航算法更是层出不穷。特别是,深度强化学习在某种程度上模仿了人类通过不断取得进步激励自己学习的过程,在不断尝试中学习在各个状态下应该采取的行动。而这一特性与机器人的导航行为有很多接近的地方。本研究课题旨在利用这一思路,针对移动机器人在未知环境中的导航方法问题,研究基于深度强化学习的机器人导航方法。该方法可通过对深度相机采集的环境信息进行特征提取并作出决策,最终实现在未知的、复杂的工作环境中,移动机器人能够自主完成起始点到目标点的导航任务,并得出最优路径。在课题研究过程中搭建了机器人仿真模拟环境,进行了 DDPG算法训练、测评,并在测试环境中,与传统Slam导航方法进行了对比实验。实验证明,基于深度强化学习的导航算法避免了建立地图等繁琐工作,与此同时在导航精度和计算时间上均优于基于Slam的导航算法。更能满足在不同陌生环境下的导航要求,更符合未来导航算法的发展方向。