随着人工智能技术的不断发展,在静态、确定的场景中,路径规划的问题已经成为一项非常成熟的技术。然而在环境信息不确定和观测信息不确定的场景中,由于环境空间复杂、突发情况频发且智能体视线范围有限,给路径规划算法的鲁棒性、泛化性和自适应能力带来了重大挑战。高度不确定场景中强时空约束的智能体路径规划问题是自动规划技术领域的研究热点,如何设计避障能力强且具有高泛化能力的实时路径规划算法是亟待解决的重要研究问题。本文利用强化学习,分别研究了智能体离散动作、连续动作、连续平滑动作以及多智能体路径规划问题。本文的主要工作如下:1)研究了基于DQN（Deep Q-Learning）的动态避障与离散路径规划算法。该算法首先利用轨迹预测算法,预测动态障碍物的位置,解决了环境信息的动态不确定性。然后利用强化学习决策要执行的动作,解决了无数据训练和传统路径规划算法中泛化能力差的问题。最后通过动态调整奖励值,提高了智能体避障的准确性和算法的收敛速度。2)基于研究内容一提出的离散路径规划算法,研究了基于DDPG（Deep Deterministic Policy Gradient）的连续路径规划算法。该算法首先利用最小二乘法预测动态障碍物的未来的轨迹,然后利用DDPG根据动态障碍物的短期未来的轨迹在连续空间里学习和决策,减少了路径长度和平均转弯角度。最后基于人工势场设置奖励函数,提高了混合避障算法的收敛速度和准确率。3)基于研究内容二提出的连续路径规划算法,研究了基于DDPG的平滑路径规划算法。首先基于动力学原理,利用MPC（Model Predictive Control）算法预测动态障碍物的轨迹。然后,根据动态障碍物的预测轨迹利用DDPG为智能体提供在连续空间里学习和决策行为的能力。仿真实验结果表明,该方法能准确地实现动态环境中的混合避障与平滑路径规划。4)基于以上三方面研究内容提出的单智能体的路径规划算法,研究了基于MADDPG（Multi-Agent Deep Deterministic Policy Gradient）的多智能体时空路径规划算法。该算法首先在BIT*（Batch Informed Tree*）中利用多线程方式计算多智能体的路径,然后在三维时空上通过设计碰撞检测模块,实时检测障碍物和智能体之间的碰撞关系,最后利用MADDPG算法对路径进行实时重规划。实验结果表明该算法提高了多智能体路线规划的效率和实时性。