本发明公开了一种基于强化学习的机械臂步进式路径轨迹优化方法，根据策略函数进行机械臂运动，通过策略优化算法优化策略函数的输出；每次机械臂运动之后，计算绕z轴旋转的关节的旋转角度；当绕z轴旋转的关节基本面向目标点时，锁定对应关节的输出角度值；锁定对应输出角度值后，继续训练，当末端位姿与目标位姿的距离小于一定阈值时，提前终止训练，否则直到训练结束；训练过程中使用奖励函数。本发明步进式训练可以有效的减少学习时间，并以最优姿态快速定位目标点。通过锁定先训练好的关节动作输出值，使得模型通过动用更少的关节，在更短的时间内，达到更好的效果。奖励函数的设计优化了模型规划路径，以最少的动作达到最优的路径。