当前疫情的爆发给人们的生活带来了极大的不便,而基于传感器技术和智能算法的移动机器人领域已经有了长足的发展,移动机器人已经可以完成一些较为简单的任务,而且使用移动机器人具有减少疫情的传播,更为安全等优点,所以移动机器人的需求随着疫情的爆发逐渐增大。除了疫情原因,人类的日常生活也逐渐离不开移动机器人,移动机器人更适合完成一些危险或者重复性较高的任务如清洁和消毒等任务。移动机器人通过传感器来对周围的环境进行建模并且估计自身的状态,然后根据周围的环境和自身的状态进行决策,从而完成相应的任务。全覆盖路径规划是移动机器人领域中的一个重要问题,目前市场对于全覆盖移动机器人的需求很大,如清洁器人和巡检机器人等。目前的移动机器人全覆盖路径规划算法的研究主要集中在运动模型的改善和覆盖规则的优化,但是仍然存在移动机器人难以同时考虑自身当前的覆盖状况以及其他移动机器人的覆盖状况来对全覆盖路径规划任务进行统筹规划、移动机器人在进行全覆盖路径规划任务过程中无法考虑当前动作对整个全覆盖任务的影响等问题。因此,优化全覆盖路径规划算法,提高移动机器人执行全覆盖任务的效率对移动机器人领域有着重大的意义。针对上述问题,本文首先对移动机器人和所需进行全覆盖的区域进行建模。通过对比常用的构建地图方式,选择比较简单高效的栅格地图对所需覆盖的区域进行建模。然后针对全覆盖路径规划任务,本文提出了一种栅格地图的预处理方法,可以有效地删除栅格地图中不可能覆盖的空白区域。本文将预处理后的栅格地图所对应的状态矩阵作为深度神经网络的输入。本文采用深度强化学习的方法来实现全覆盖路径规划。针对在全覆盖路径规划中,深度强化学习网络收敛速度慢等问题,本文提出了一种深度强化学习的改进方法,将最终的输出层与危险动作叠加,降低移动机器人在学习过程中危险动作的选择概率,同时加入了回溯算法,当移动机器人任务失败时,回到上一个状态并重新开始全覆盖任务。同时本文还采用了sumtree对深度强化学习的抽取样本过程进行改进,将价值比较大的记忆优先训练。本文提出了单个移动机器人的全覆盖路径规划算法,并且根据输入的状态矩阵的特点,设计了一种卷积神经网络结构,该结构能够有效地提取状态矩阵的特征并选择最优动作,以满足全覆盖路径规划的实时性的需求。通过改进后的深度强化学习模型进行训练。最终进行仿真实验,为了验证本文算法的有效性,将其与牛耕法进行对比,得出本文所提出的全覆盖路径规划算法具有更高的效率。本文还提出了多移动机器人的全覆盖路径规划算法,为了减少神经网络的训练量,本文采取多个移动机器人共用一个神经网络进行决策的方法。同时使用多帧地图信息来使当前移动机器人具有预测其他移动机器人路径的功能,能有效地避免重复覆盖,提升全覆盖效率。同时本文设计了一种回报函数,针对训练初期正样本稀缺的问题,提出动态奖励,在当前轨迹中挑选最佳轨迹作为正样本,每隔固定步长更新最佳轨迹,直至完成全覆盖路径规划任务。最后通过仿真实验证明了算法的可行性。