一种基于多智能体强化学习的机械臂抗干扰运动规划方法，属于机器人运动规划与智能控制的技术领域。本发明为了解决基于强化学习的机械臂神经运动规划器抗干扰能力弱的问题而提出。本发明包括：通过对机械臂关节图的建立和关联关系分析，提出了对单一机械臂的多智能体分解方法；基于集中式学习架构的多智能体SAC强化学习算法实现了机械臂多智能体强化学习的训练。通过在运动规划过程中分别施加动作扰动、关节锁定和观测扰动，验证了所提出的离散化后的多智能体机械臂强化学习运动规划方法相比于传统单智能体具备更强的抗干扰能力。本发明用于机械臂的运动规划与智能控制领域。