本文针对当前强化学习算法在无人机升空平台路径规划任务中样本效率低、算法鲁棒性较差的问题进行研究。提出一种基于模型的内在奖励强化学习算法。该算法采用并行架构，完全解耦数据收集操作和策略更新操作，提升了算法的学习效率。采用内在奖励的方法提升智能体对于环境的探索效率，避免收敛到次优策略。在策略学习过程中，智能体针对模拟环境的动态模型进行学习，从而可以在有限步内更好的预测状态、奖励等信息。最终通过结合有限步的规划计算以及神经网络的预测，提升对于价值函数的预测精准度，从而利用较少的经验数据完成对于智能体的训练。实验结果表明，我们的算法相比于同样架构的无模型强化学习算法，达到相同的训练水平所需的经验数据量要少近600幕数据，样本效率和算法鲁棒性都有大幅提升。相较于传统的非强化学习启发类算法，分数提升接近8000分。相较于MVE等主流的基于模型的强化学习算法，算法的平均分数可以提升接近2000分，并且在样本效率和稳定性上都有明显的优势。