本发明属于深海采矿机器人的路径规划领域，具体说是一种基于深度强化学习的深海采矿机器人路径规划方法，具体为：构建采矿机器人运动学模型；设计路径规划系统的状态输入；将采矿机器人的动作进行离散化处理，使用贪婪策略的方法进行动作选取；构建路径规划系统，将网络设置成对偶结构，搭建神经网络结构框架；构建记忆库存储交互数据，抽取经验进行学习，使用优先级经验回放技术，增加样本效率；基于任务需求及采矿机器人运动形式，将任务目标分解，设计奖励函数，引导采矿机器人完成路径规划任务，优化行驶路径；搭建虚拟仿真环境，进行训练直至获得最优策略，保存训练好的神经网络参数，将其用于真实环境中，输出规划策略，完成路径规划。