AGV(Automatic Guided Vehicle,自动导引车)作为柔性的自动化搬运设备对智能物流和工业4.0的发展具有重要的促进作用。其中路径跟踪是AGV实现高精度控制的核心技术,也是AGV在很多工业领域推广应用的难点。为了解决未知参数带来的建模困难以及避免大量的人工试验工作,本文针对激光导航AGV(Laser-guiding Automatic Guided Vehicle,LAGV)设计了基于深度强化学习的路径跟踪控制算法,并通过引入元学习使控制算法发现学习的规律,从而在面对参数波动较大的LAGV时可以快速的实现路径跟踪。本文的主要研究工作如下:(1)基于改进的深度强化学习路径跟踪控制算法设计。基于对LAGV路径跟踪系统的构建,并将问题建模为马尔科夫决策过程(Markov Decision Process,MDP)。使用演员评论家框架(Actor-Critic)解决路径跟踪的MDP模型中状态空间、动作空间的连续性问题,并利用具有重要采样技术和良好探索性的近端优化策略算法作为控制算法的策略梯度,最后结合有限步优势估计与高斯动作输出来实现LAGV的路径跟踪控制算法。实验结果表明,相比于PID和其他强化学习算法,本文的控制算法能够更加精确稳定地实现路径跟踪。(2)基于元强化学习的路径跟踪控制算法。在本次研究中结合Actor-Critic框架设计了一种元状态评论家(Meta State Critic,Meta-SC)作为元学习网络,该网络由评论家(Critic)网络和具有记忆功能的任务演员编码器网络(Task Actor Encoder Network,TAEN)构成。通过同步更新的方式将路径跟踪任务的特性同时存储在TAEN和Critic网络中,实现Critic对任务层面的状态值函数进行估计,使得Meta-SC能够建立LAGV路径跟踪的核心价值网络,从而在面对参数波动较大的LAGV进行路径跟踪时,利用以往的核心价值经验来指导对应的演员(Actor)网络实现少量样本的快速学习,达到加速算法训练过程的目的。实验结果表明,相比于传统的强化学习和与模型无关的元学习(Model-Agnostic Meta-Learning,MAML),本文的Meta-SC元学习算法能够更大程度的提升训练效率。