El presente documento detalla la creación de un sistema de evasión de obstáculos para un robot móvil tipo Ackermann, utilizando el aprendizaje por refuerzo con el algoritmo DQN. Detalla los principios teóricos que fundamentan este enfoque y describe la metodología aplicada para configurar el entorno de entrenamiento y realizar simulaciones. El sistema se implementó utilizando un sensor LiDAR 2D y una cámara RGB-D, que proporcionaron al robot una percepción ambiental efectiva. Se hace énfasis en la configuración de los hiperparámetros de entrenamiento, la estructura de la red neuronal, la función de recompensas, y los espacios de observación y acción, elementos claves para el rendimiento exitoso del agente. Finalmente, se presentan ejemplos ilustrativos del desempeño del robot, tanto en entornos simulados como en condiciones reales, demostrando la efectividad y aplicabilidad del sistema desarrollado en situaciones prácticas.