Exploramos la agarre de múltiples troncos utilizando aprendizaje por refuerzo y servoing visual virtual para el avance automatizado en un entorno simulado. La automatización de los procesos forestales es un gran desafío, y muchas técnicas relacionadas con el control de robots presentan diferentes retos debido al entorno exterior no estructurado y hostil. Agarrar múltiples troncos implica varios problemas de dinámica y planificación de rutas, donde entender la interacción entre la pinza, los troncos, el terreno y los obstáculos requiere información visual. Para abordar estos desafíos, separamos la segmentación de imágenes del control de la grúa y utilizamos una cámara virtual para proporcionar un flujo de imágenes a partir de datos 3D reconstruidos. Usamos control cartesiano para simplificar la transferencia de dominio a aplicaciones del mundo real. Dado que los montones de troncos son estáticos, el servoing visual utilizando una reconstrucción 3D del montón y su entorno es equivalente a usar datos de cámara reales hasta el momento de agarre. Esto relaja los límites en los recursos computacionales y el tiempo para el desafío de la segmentación de imágenes, y permite la recolección de datos en situaciones donde los montones de troncos no están ocluidos. La desventaja es la falta de información durante el agarre. Demostramos que este problema es manejable y presentamos un agente que tiene un 95% de éxito en recoger uno o varios troncos de montones desafiantes de 2 a 5 troncos.