路径规划作为移动机器人自主航行的重要组成部分,受到学者们的广泛关注与研究。如何使机器人适应多样性环境,实现自主路径规划,是当下的研究热点。本文针对动静态的复杂环境,提出一种基于最大熵的深度强化学习方法的机器人自主避障策略,加入优先经验回放提高数据利用率,并引入好奇心驱动机制来鼓励机器人在长序列环境中的探索,融合传统路径规划方法提高算法泛化能力。具体研究内容如下:首先,针对强化学习探索效率低的问题,提出了基于最大熵的深度强化学习方法用于机器人自主路径规划。建立机器人运动模型分析机器人的运动过程,构建端到端的自主规划框架,将通过激光雷达所获取的数据输入到基于长短记忆网络的网络模型中,输出机器人的角速度和线速度。在Gazebo模拟器中搭建包含多种类型障碍物的环境,验证算法性能。仿真结果表明,算法模型在经过训练后达到收敛,机器人可以成功到达目标位置,且不和障碍物发生碰撞行为。其次,针对回合经验值数据量庞大导致数据利用率较低的问题,提出了基于优先经验回放的最大熵算法（Learning good experience based on soft actor-critic,LGE-SAC）。所提算法摒弃了随机采样方法,优先采样符合回报值大于值函数的数据,从而提高数据采样效率;并且根据情景记忆控制思想改变了策略更新方式,对良好的回合经验进行快速重现,使得策略梯度朝着好的方向下降,从而提高数据的利用率。仿真及实验结果表明,和近端策略优化算法（Proximal policy optimization,PPO）相比,基于优先经验回放的方法提高了收敛速度和规划成功率,路径规划时间有所减少,并且可以在真实环境中实现自主避障功能。最后,针对深度强化学习方法在长序列环境中易规划失败,无法探索到目标位置的问题,提出了基于好奇心的深度残差强化学习算法。加入基于好奇心的内在奖驱动机制来激励机器人的探索行为;利用注意力机制处理状态输入,并且修改损失函数,使得机器人重点关注对当前规划有利的状态信息。构建深度残差强化学习框架,融合人工势场法和强化学习的策略输出为混合动作。为了提高所提算法的泛化能力,通过计算不确定性概率,来判别机器人使用先验控制器的规划动作还是混合动作输出,从而改善在新的测试环境中适应性较差的问题。所提算法提高了在长序列环境中探索的单步奖励值以及探索效率,并且在未知测试环境中的路径规划成功率也有所提高。