针对多无人机协同航迹规划在未知环境中面临避碰约束和狭窄通道穿越等复杂挑战的问题，提出一种改进的深度强化学习方法。该方法将长短期记忆（ＬＳＴＭ）网络引入多智能体孪生延迟深度确定性策略梯度（ＭＡＴＤ３）的环境感知端，以增强对动态环境的感知能力；同时设计了基于势场的密集奖励函数，以提高学习效率并加速收敛。此外，构建了包含自适应编队层、轨迹规划层和动作执行层的分层强化学习训练机制，以系统探索最优轨迹规划策略。仿真结果表明：所提方法在策略学习效率、轨迹规划最优性以及对狭窄通道的适应性方面均表现出更优性能。结论证实，该方法能有效提升复杂未知环境下多无人机协同航迹规划的鲁棒性与适应性。