La planificación de rutas es una tecnología clave para la movilidad autónoma de robots inteligentes. Sin embargo, hay pocos estudios sobre cómo llevar a cabo la planificación de rutas en tiempo real en un entorno de confrontación. Por lo tanto, basado en el algoritmo de gradiente de política determinista profunda (DDPG), este artículo diseña la función de recompensa y adopta el método de entrenamiento incremental y compensación de recompensa para mejorar la eficiencia del entrenamiento y obtener la estrategia de penetración. Los resultados del experimento de Monte Carlo muestran que el algoritmo puede evitar eficazmente obstáculos estáticos, romper la interceptación y, finalmente, alcanzar el área objetivo. Además, el algoritmo también se valida en el simulador Webots.