本發(fā)明公開了一種基于記憶增強(qiáng)學(xué)習(xí)的無人機(jī)自主避障導(dǎo)航方法，克服了傳統(tǒng)深度強(qiáng)化學(xué)習(xí)導(dǎo)航方法在部分可測(cè)環(huán)境中極易陷入局部困境的問題。首先把無人機(jī)自主避障導(dǎo)航問題建模為目標(biāo)驅(qū)動(dòng)的馬爾可夫決策過程，提出動(dòng)態(tài)相對(duì)目標(biāo)的目標(biāo)特征提取方法，引導(dǎo)無人機(jī)學(xué)習(xí)導(dǎo)航問題的本質(zhì)特征；然后考慮到傳統(tǒng)導(dǎo)航方法由于沒有保存歷史信息，導(dǎo)致無人機(jī)在部分可測(cè)環(huán)境中極易陷入局部困境，本發(fā)明設(shè)計(jì)了一種保存動(dòng)作記憶和空間信息的記憶增強(qiáng)模塊，在決策時(shí)額外考慮歷史的觀測(cè)以及動(dòng)作序列，使無人機(jī)更易脫離困境；最后本發(fā)明提出基于高斯分布探索增強(qiáng)的深度強(qiáng)化學(xué)習(xí)算法，使其能夠在提高算法收斂速度的前提下保持并提高無人機(jī)避障導(dǎo)航的成功率。