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。

本研究提出了一种轻量级深度强化学习方法，旨在解决固定翼无人机在未知低空环境中的障碍物避让问题，能够实时检测障碍物，效果优于现有技术。