多自由度机械臂具有运动灵活的特点,其运动规划是机器人领域的研究热点。机械臂在有障碍物的复杂环境中进行抓取、搬运、人机协作等运动时,需要对机械臂的运动路径及抓取姿态进行规划。本文重点研究了基于深度强化学习的机械臂的路径规划和位姿规划,针对机械臂的运动规划训练时间长和训练样本多的问题,进一步提出了具有迁移学习的深度强化学习的机械臂运动规划算法。首先,针对机械臂避障问题,提出了基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的NAO机器人右臂路径规划算法。基于MuJoCo仿真平台搭建了无障碍物和有障碍物仿真环境,在仿真环境中,通过设定的奖励函数,采用DDPG算法进行了机械臂路径规划控制策略的自主学习训练,实现了机械臂由输入到输出的端对端控制,完成了机械臂避障的路径规划。其次,在无障碍物环境下,针对多自由度机械臂抓取物体的位姿规划问题,提出了基于DDPG的位姿规划算法。根据NAO机器人右臂不同的抓取姿态,设计了学习任务的奖励函数。由于DDPG算法在训练过程中需要耗费大量的时间和数据样本,进一步提出了基于迁移学习的DDPG算法,通过对比DDPG算法和基于迁移学习的DDPG算法的训练结果,表明基于迁移学习的DDPG算法具有更快的训练速度。采用LINEMOD算法获取目标物体的位姿,在NAO机械臂上完成了基于迁移学习的DDPG算法的位姿规划实验。最后,在有障碍物环境下,针对多自由度机械臂抓取物体的位姿规划问题,提出了基于迁移学习的DDPG的避障位姿规划算法。仿真结果表明,在有障碍物环境下基于迁移学习的DDPG避障位姿规划算法比传统的DDPG避障位姿规划算法的训练速度更快。为了验证所提算法的有效性,进行了有障碍环境下NAO机器人右臂避障的位姿规划的实验,实验结果表明在有障碍环境下,基于迁移学习的DDPG算法能够有效的在位姿规划的过程中实现避障的规划。