路径跟踪是自主式水下航行器（Autonomous Underwater Vehicle,简称AUV）实现自主回收、海底地形测绘、水下巡航、目标动态打击等作业任务的关键技术,应用十分广泛。为了解决水下机器人路径跟踪控制问题,本文开展了对AUV数学模型、三维路径跟踪引导方法、反步滑模控制器设计方法、基于深度强化学习的控制器设计及改进方法、水下机器人视景仿真方法的研究。首先,建立路径跟踪相关坐标系和运动模型,包括惯性坐标系、随体坐标系和Serret-Frenet曲线坐标系,根据AUV的体系结构特征,建立了运动学模型、动力学模型和路径跟踪误差模型。通过水平面上和垂直面上的操纵性仿真实验,验证了模型的操纵性能。其次,采用设置在跟踪路径上的虚拟AUV对路径跟踪进行引导,基于视线法、反步滑模和李雅普诺夫稳定性原理设计了三维路径跟踪反步滑模控制控制器。同时在控制回路中加入低通滤波器来抑制滑模控制中易产生的抖振;控制率中存在对多个量的多次求导,为了避免微分爆炸问题,使用二阶滤波器来逼近理想虚拟控制量。通过得到的角速度控制率和设定的期望速度控制AUV的三维路径跟踪,最终进行了仿真实验,验证了本文中路径跟踪控制器的效果和性能。再次,为了增强路径跟踪控制器的适用范围和兼容性,简化控制器设计流程,使用深度强化学习方法设计控制器。对比了几种较新型的深度强化学习算法,如Deep Q Network（DQN）、Actor-Critic 和 Deep Deterministic Policy Gradient（DDPG）,分析 了各算法的参数更新流程的特征和优劣,选用DDPG算法设计和训练了三维路径跟踪控制器。在Python中搭建了训练环境,建立了仿真循环。并通过对训练和仿真实验结果的分析,对控制器的设计进行了优化,更新了奖励函数,在控制回路中添加了海流干扰观测器。通过重新训练和仿真实验验证了改进的有效性。最后,研究了水下路径跟踪视景仿真系统的搭建方法,使用Creator进行了 AUV等场景实例建模,基于MFC/Vega Prime建立了视景仿真系统,研究了仿真场景交互方法和特效配置方法。通过比较选用了直接自文件读取运动仿真数据的方法,并在视景仿真中实时显示,为AUV模型添加了 DOF节点,实现了对AUV舵叶的实时操控。最终进行了 AUV三维路径跟踪的视景仿真实验,验证了路径跟踪效果。