首先开发了一个空域场景下的多无人机目标到达任务强化学习环境，环境中考虑了无人机的动力学模型，同时引入了异构无人机的特性以及安全避障的约束条件。

接着设计了多个性能指标，如任务完成率、编队保持率和飞行时间，用以评估算法的效果与性能。

随后将多无人机协同路径规划问题建模为部分可观察马尔可夫决策过程（POMDP），并提出了一种多智能体柔性执行评价（MASAC）算法，以迭代寻求该问题的近似最优策略。