现如今多机器人系统已经成为机器人领域的重要研究方向,多机器人系统通过在环境中部署多台机器人来完成单一机器人难以完成的大型复杂任务。随着近年来人工智能领域和自动化领域的不断升级,多机器人系统凭借其高效、高质、均衡等特点在军事、生产、电子游戏等领域都展现出了强烈的需求。在多机器人路径规划这一研究中,根据控制结构的不同分为集中式规划方式与分散式规划方式。集中式规划是目前实际应用的主流选择,其优点为较为成熟的技术成果和一定规模下优秀的性能。该方式为全局每一台机器人规划具体指令来完成任务,整个系统可以视为具有一个大脑的“大型机器人”,在一定规模内具有良好效果。但是集中式规划方法在鲁棒性、灵活性、适应性存在不足,最主要的问题是大多数集中式规划在求解效率上会随着场景中机器人数量和环境复杂程度呈指数级别的上涨。面对目前愈加复杂的应用场景和不断扩展的系统规模,传统的多机器人路径规划方法已经不满足实际需求。为了上述多机器人规划的中诸多难点,本文基于分散式控制思想,对具有严格动作、位置限制的约束工作空间进行探索和研究,利用深度强化学习（Deep Reinforcement）方法应用于多机器人领域,解决多机器人在网格约束环境下的路径规划问题,本文以Proximal Policy Optimization（PPO）深度强化学习算法原理和框架作为基础,采用激光雷达传感器感知周边环境,深度神经网络提取数据中的潜在特征得到机器人动作策略。再结合探索策略、距离、时长、密度等阶段性回报函数诱导机器人学习到应对复杂情况的优秀策略。最后通过所搭建的仿真平台进行实验,从多个角度说明算法所训练模型的有效性,通过随机实验、复杂场景、大规模等实验验证了该模型能够指导机器人在大多数场景中能够以高成功率完成任务,并保证所执行的路径代价较低。同时在多种方法的对比试验当中显示该模型在时间代价上相比集中式方法更加适合大规模场景和复杂场景的使用,相比于其他分散式方法在规划效果更好。最后通过消融实验证明了Proximal Policy Optimization With Discrete Action（PPO-DM）算法在解决离散问题时原始PPO在离散动作上中后期探索不足的问题,证明了所提出密度回报函数对整体规划效果的积极作用。本文章扩展了深度强化学习运用于多机器人系统特殊约束路径规划的研究,对将深度强化学习用于自动化工厂领域具有一定的参考意义和实践价值。