Este documento presenta y valida experimentalmente un concepto de aprendizaje por imitación de extremo a extremo para sistemas autónomos utilizando una arquitectura compuesta de red neuronal convolucional (ConvNet) y red neuronal de memoria a largo y corto plazo (LSTM). En particular, se desarrolla una red neuronal profunda espaciotemporal, que aprende a imitar la política utilizada por un supervisor humano para conducir un robot tipo coche en un entorno de laberinto. Los componentes espaciales y temporales del modelo de imitación se aprenden utilizando arquitecturas de red neuronal convolucional profunda y de red neuronal recurrente, respectivamente. El modelo de imitación aprende la política de un supervisor humano como una función de los datos de detección y rango por láser (LIDAR), que luego se utiliza en tiempo real para conducir un robot de manera autónoma en un entorno de laboratorio. El rendimiento del modelo propuesto para el aprendizaje por imitación se compara con el de varios otros métodos de vanguardia, reportados en la literatura de aprendizaje automático, para modelado espacial y temporal. La política aprendida se implementa en un robot utilizando una placa Nvidia Jetson TX2 que, a su vez, se valida en pistas de prueba. El modelo espaciotemporal propuesto supera a varias otras técnicas de aprendizaje automático disponibles en el mercado para aprender la política.