Este trabajo presenta un algoritmo de Aprendizaje Profundo por Refuerzo para controlar un robot móvil de tracción diferencial. Este estudio busca explicar la influencia de diferentes definiciones del entorno con un robot móvil en el proceso de aprendizaje. En nuestro estudio, nos enfocamos en el algoritmo de Aprendizaje por Refuerzo llamado Gradiente de Política Determinista Profunda, que es aplicable a problemas de acción continua. Investigamos la efectividad de diferentes ruidos, entradas y funciones de coste en el proceso de aprendizaje de la red neuronal. Para examinar la característica del algoritmo presentado, se realizaron varias simulaciones y se presentan sus resultados. En las simulaciones, el robot móvil debía alcanzar una posición objetivo de manera que minimizara el error de distancia. Nuestro objetivo era optimizar el proceso de aprendizaje. Al analizar los resultados, queríamos recomendar una elección más eficiente de entradas y funciones de coste para investigaciones futuras.