【摘要】在山地作业时，挖掘机器人需要适应不同的坡度，保证自身的稳定性。但挖掘作业通常在山地、丘陵、沟壑等复杂地形中进行，难以根据坡面的起伏调整挖掘动作，导致机器人出现不稳定甚至损坏的情况。因此，引入深度强化学习方法，提出复杂工况下的挖掘机器人自适应控制方法。计算机器人的线速度和角速度，提前预测质心的变化趋势，精确计算最小安全距离。引入了避障最小安全距离控制系数作为深度确定性策略梯度（DDPG）算法的输入，构建状态空间，设置与速度跟踪效果相关的奖励函数，避免陷入局部最优解的重置条件，实现挖掘机器人在复杂工作环境下的自适应控制。实验结果表明，所提方法在复杂工况下能有效地规划出平滑且最短的避障路径，并保持最小的安全距离，显著优于对比方法。