近年来,虚拟现实技术的日益成熟和计算机运算性能的稳健提升,为虚拟人群仿真技术的研究与应用奠定了坚实的基础。虚拟人群仿真技术主要包括实时绘制技术、运动控制技术和行为控制技术,其中,路径规划技术为运动控制中的关键技术之一,且体现了人类的基础行为能力,路径规划技术便成为了人群仿真中的研究热点之一。然而,已有的虚拟人群路径规划方法大多以环境已知为前提条件,无法满足虚拟人群自主学习和适应不确定性环境的要求,即使采用强化学习方法也易引发维数灾难,深度强化学习的兴起则为路径规划技术的研究带来了新的契机,因此,基于深度强化学习算法,对虚拟人群在未知环境中的路径规划进行研究,具有重要的理论意义和工程应用价值。本文的主要研究内容如下:（1）设计了策略学习过程中的奖励函数,融合了一种基于VO思想的动态避碰算法。将碰撞圆锥思想延伸为碰撞概率,用于预测与动态障碍物之间的碰撞,能够使虚拟人及早地规避与动态障碍物之间的碰撞,奖励函数中还考虑了局部避碰与全局规划的优先级,并对找寻目标时间过长给予惩罚,能够较好地切合路径规划需求,提高策略训练效率。（2）设计了基于PPO算法的深度强化学习策略网络。网络的中间层引入了长短期记忆网络,输入层（状态）包括环境信息、虚拟人的运动信息以及各虚拟人的目标,环境信息的表征中引入了射线投射法,输出层输出的动作具有连续性特征,与人类的运动特征相符,并实现了虚拟人群之间策略共享,保证了一个策略可以满足所有虚拟人的寻路需求。（3）研究了一种两阶段的群体策略学习方法。以第一个阶段应用PPO算法训练出的具备了路径规划能力的虚拟人为领导者,在第二阶段中结合RVO算法各自带领一定数量人群向目标移动,实现了对多虚拟人组的路径规划。（4）构建了基于深度强化学习的虚拟人群路径规划仿真平台。基于Unity搭建了仿真平台,并通过外部的Python API实现了PPO算法,应用本文设计的路径规划方法开展了相关实验,实现了虚拟人群在未知环境下的路径规划,仿真结果表明了该方法的有效性,与现有的其他方法相比具备一定的优势。