یکی از مهم‌ترین دستاورد‌های بشر،علم رباتیک است، که به‌تدریج با پیشرفت خود در مسائل مختلف با چالش‌های بسیاریمواجه شده است. یکی از مهم‌ترین این مسائل، طرح‌ریزی حرکت ربات بوده که پرکاربردترینآن در بخش طرح‌ریزی حرکت ربات‌های سیار است. امروزه ربات‌های متحرک در محیط‌هایاستاتیک با پیچیدگی کم مانند محیط‌های صنعتی به‌طور قابل‌اطمینانی عمل می‌کنند،اما در محیط‌های دینامیک پیچیده مانند فرودگاه‌ها یا مراکز خرید شکست می‌خورند. اینمحیط‌ها نسبت به محیط‌های صنعتی، شلوغ‌تر و فضای باریک‌تری دارند و حاوی اشیامتحرکی با پیچیدگی حرکت بالا می‌باشند که عمدتاً انسان‌ها هستند. با افزایش پیچیدگیدر محیط‌هایی که این‌گونه ربات‌ها در آن انجام‌وظیفه می‌کنند، نیاز مبرم به الگوریتم‌هاییکه بتوانند در این محیط‌ها به‌درستی عمل کنند حس شده است. ربات‌های زمینی بایدبتوانند درمقابل اشیا پویا و همچنین جمعیت پویا برخورد مناسب انجام دهند. برایبهبود عملکرد در چنین مسائلی الگوریتم‌های بر پایه یادگیری نظیر یادگیری تقویتی عمیقمعرفی‌شده‌اند. در این پایان‌نامه روش پیشنهادی به نام RMPMP+TG معرفی می‌شود.روش RMPMP+TG یک الگوریتمطرح‌ریزی حرکت با استفاده از یادگیری تقویتی عمیق بدون نقشه است که هدف اصلی آنکاهش برخورد با ربات‌های محیطی است. در RMPMP+TG سعی شده از روش پیش‌بینی که انسان‌ها از حرکت بعدیدیگر عابران برای طرح‌ریزی حرکت خود میان جمعیت استفاده می‌کنند بهره برداری شود. همچنین،برای بهبود کارایی روش‌ پیشنهادی در مواقعی که ربات گیر‌ می‌کند امکان حرکت نداردمکانیزمی به الگوریتم اولیه اضافه شده که توانایی بالایی در رفع این مشکل دارد. آزمایش‌هایانجام شده برای روش پیشنهادی(RMPMP+TG) با به‌روزترین روش‌های موجود نظیر CADRL، RVOوGA3C-CADRL در سناریو‌های پایه و خاص. نشان می‌دهد که RMPMP+TG از روش‌های CADRL، RVO وGA3C-CADRLدر زمینه بهبود امنیت در سناریو‌های پایه به ترتیب حداقل 19 درصد،14 درصد و 4 درصد بهبود حاصل کرده است. همچنین، از لحاظ امنیت در سناریو‌های خاصنسبت به GA3C-CADRLحداقل 9 درصد بهبود داشته است.