针对掘进设备远程控制中存在的设备决策能力低，掘进效率不高，安全隐患大等问题，提出了一种数字孪生驱动的掘进机器人决策控制方法。通过分析对比当前数字孪生技术在煤矿领域的研究情况，设计了数字孪生驱动的掘进机器人决策控制系统体系框架，包含物理空间、虚拟空间、孪生数据、规划层、控制层、执行层6个模块，以实现虚拟样机自主规划决策，远程控制物理样机同步运动的目的。首先，结合虚拟现实技术研究了非结构化环境下的局部避障策略，建立掘进机器人运动控制模型与传感观测模型，利用激光雷达将巷道中的障碍物在虚拟环境中进行重建，采用Ray-Col方法进行机器人与障碍物之间的碰撞检测，为机器人的路径规划决策奠定基础；其次，结合深度强化学习技术研究了基于虚拟智能体的全局路径规划方法，提出了基于改进PPO算法的Muti-PPO算法，通过奖惩机制建立掘进机器人虚拟智能体，并在Unity3D平台中进行训练，训练结果表明Muti-PPO算法相比于PPO算法、SAC算法，平均奖励值分别提升了13.82％与11.31％；标准差分别下降了17.85％与16.81％；最高奖励值分别提升0.14％与0.43％，其性能在3种算法中达到最优；最后，搭建决策控制平台，将虚拟空间中产生的决策指令发送至物理样机的末端执行器，通过物理样机传感器数据驱动虚拟样机同步变化。根据系统的规划决策、双向映射与远程控制功能，设计路径规划试验与虚实同动试验对其进行验证。路径规划试验结果表明，在3种不同复杂程度的工况下，虚拟智能体路径规划结果与目标点的误差在1.2 cm以内，且能够将控制信息传输至物理空间中，远程控制机器人运动；虚实同动试验结果表明，在掘进机器人运行过程中，虚拟样机与物理样机保持同步运动，两者在巷道中的位姿均保持一致。该方法实现了“数据驱动、双向映射、碰撞检测、自主决策、人机协作”的无人化决策控制新模式，为掘进设备的智能化提供了新的思路。