传统的机械手路径规划方法通常需要建立精确的数学模型,只能用于固定的任务环境,缺乏泛化能力。近年来,深度强化学习（Deep Reinforcement Learning,DRL）在机器人博弈等领域取得了突破性的进展,研究人员开始探索将DRL应用于机械手控制的可行性。另外,虽然DRL在单智能体环境下的研究逐渐趋于成熟,但在多智能体场景中仍然有较大的发展空间。与单智能体环境相比,多智能体环境最大的不稳定性在于环境中每个智能体的策略变化都会对环境产生影响,导致训练网络难以收敛。针对以上背景,本文以机械手为对象,针对工业环境中机械手的抓取与放置,开展机械手的路径规划研究,主要研究内容如下:首先,本文重点从奖励函数设置和经验回放池的结构两方面分析了基于最大熵的Actor-Critic算法（Soft Actor Critic,SAC）应用于本课题时存在的问题,设计了一种将形式化奖励和分布奖励结合的复合奖励策略,同时,改进了经验回放池的结构,将原来的随机采样修改为基于最大奖励的优先采样方式。在NX（Siemens仿真软件）内建立单机械手路径规划任务的三维力学模型,将改进后的SAC算法应用于NX仿真模型上,对实验结果进行对比分析,验证改进算法的有效性。其次,本文将SAC算法与集中训练-分散执行（CTDE）框架相结合,将单智能体强化学习算法SAC扩展至多智能体环境中,有效地解决了多个智能体环境下的动态决策问题。在此框架下,Critic网络提高算法稳定性的方式是将其它智能体的观测一同输入进行训练。Actor网络则采用分布式设计,为每个智能体所独有,执行动作时策略网络仅需要考虑自身的环境状态。最后,由于CTDE框架中,智能体的Actor网络只能获得自身的观测值,智能体之间没有有效的沟通。因此本文在智能体之间建立信息共享机制,提出MASAC算法,每个智能体可利用循环神经网络GRU的原理将各自的观测信息写入通信设备,同时也可以对信息解码读取信息。经过迭代,智能体不断优化通信参数,实现智能体之间的信息交互。实验表明,MASAC算法在双机械手的路径规划任务中取得了不错的表现,相对于单智能体强化学习方法SAC,本文提出的MASAC方法大大提高了两个机械手协同合作时路径规划任务的成功率。