El aprendizaje por refuerzo (RL) ha surgido como un enfoque transformador en el campo de los sistemas autónomos, permitiendo la toma de decisiones inteligentes y el control en robótica, coches autoconducidos, sanidad, automatización industrial e infraestructuras inteligentes. A lo largo de este debate, hemos explorado los conceptos fundamentales, las metodologías, los retos y las aplicaciones reales de la RL en los sistemas autónomos, destacando tanto su potencial como sus limitaciones. La aplicación de la RL en la robótica y los sistemas autónomos se sustenta en los Procesos de Decisión de Markov (MDP), que proporcionan un marco estructurado para la toma dedecisiones secuenciales . El desarrollo de métodos basados en valores, como Deep Q Networks (DQN), y de enfoques basados en políticas, como Policy Gradient y Actor Critic, ha permitido a robots y agentes autónomos aprender comportamientos complejos mediante el método de ensayo y error. Además, las técnicas de RL sin modelo y basadas en modelo ofrecen diferentes ventajas y desventajas en términos de eficiencia de muestreo y adaptabilidad, allanando el camino para unos controladores basados en el aprendizaje más versátiles y prácticos.