El método de evasión de obstáculos de navegación basado en aprendizaje profundo por refuerzo tiene una mayor adaptabilidad y mejor rendimiento en comparación con algoritmos tradicionales en entornos dinámicos desconocidos complejos, y ha sido ampliamente desarrollado y aplicado. Sin embargo, al utilizar información multimodal de entrada, las redes de estrategia de aprendizaje profundo extraen características que difieren significativamente entre entornos simulados y del mundo real, lo que resulta en estrategias de salida de algoritmo deficientes y dificultad para transferir modelos obtenidos del entrenamiento de simulación a entornos reales. Para abordar los problemas mencionados, este artículo utiliza la segmentación de imágenes para reducir la brecha en las características ambientales, integra información multimodal y diseña un algoritmo de evasión de obstáculos local multimodal de aprendizaje profundo, MMSEG-PPO, basado en algoritmos de optimización de estrategias proximales. Luego, el algoritmo se traslada a entornos prácticos para su despliegue y prueba. El experimento muestra que el algoritmo propuesto en este artículo reduce la brecha entre el entorno de simulación y el entorno real, y tiene un mejor rendimiento y generalización al ser trasplantado al entorno del mundo real.