本研究针对资源受限机器人实时学习的计算效率问题，通过优化对比最大化学习流程，提升了事件基础深度估计任务的时间和内存效率，并验证了所学深度在障碍物避免中的有效性。

本研究提出了SmartBSP自我监督学习框架，结合PPO和CNN，旨在解决自主机器人在复杂环境中的路径规划与障碍物避免问题，实验结果表明其具有良好的适应性。

本研究提出了一种基于逆向PPO的轻量级深度强化学习方法，用于固定翼无人机在未知低空环境中的障碍物避免。该系统通过单帧图像实现实时检测，展现出优于现有方法的飞行轨迹平滑性和障碍物避免效率，适合边缘计算设备实施。