针对煤矿非全断面巷道条件下掘进机器人移机难度大、效率低下等问题，分析了煤矿井下非结构化环境特征及掘进机器人运动特性，提出了基于深度强化学习的掘进机器人机身路径规划方法。利用深度相机将巷道环境实时重建，在虚拟环境中建立掘进机器人与巷道环境的碰撞检测模型，并使用层次包围盒法进行虚拟环境碰撞检测，形成巷道边界受限下的避障策略。考虑到掘进机器人形体大小且路径规划过程目标单一，在传统SAC算法的基础上引入后见经验回放技术，提出HER-SAC算法，该算法通过环境初始目标得到的轨迹扩展目标子集，以增加训练样本、提高训练速度。在此基础上，基于奖惩机制建立智能体，根据掘进机器人运动特性定义其状态空间与动作空间，在同一场景下分别使用3种算法对智能体进行训练，综合平均奖励值、最高奖励值、达到最高奖励值的步数以及鲁棒性4项性能指标进行对比分析。为进一步验证所提方法的可靠性，采用虚实结合的方式，通过调整目标位置设置2种实验场景进行掘进机器人的路径规划，并将传统SAC算法和HER-SAC算法的路径结果进行对比。结果表明：相较于PPO算法和SAC算法，HER-SAC算法收敛速度更快、综合性能达到最优；在2种实验场景下，HER-SAC算法相比传统SAC算法规划出的路径更加平滑、路径长度更短、路径终点与目标位置的误差在3.53 cm以内，能够有效地完成移机路径规划任务。该方法为煤矿掘进机器人的自主移机控制奠定了理论基础，为煤矿掘进设备自动化提供了新方法。