Enfocándose en métodos de espacio de acción continua para la toma de decisiones de maniobra autónoma en escenarios de vehículos aéreos no tripulados 1v1, este artículo primero establece un modelo cinemático de UAV y un marco de toma de decisiones bajo el Proceso de Decisión de Markov. En segundo lugar, se desarrolla una estrategia de control continuo basada en el algoritmo de aprendizaje por refuerzo Soft Actor-Critic (SAC) para generar comandos de maniobra precisos. Luego, se diseña una función de recompensa acoplada a la situación multidimensional, introduciendo una métrica de Puntos de Salud (HP) para evaluar las ventajas situacionales y simular efectos acumulativos de manera cuantitativa. Finalmente, extensas simulaciones en un entorno Gym personalizado validan la efectividad del método propuesto y su robustez tanto en condiciones de observación ideales como ruidosas.