Los robots paralelos impulsados por cables (CDPR) ofrecen ventajas significativas, como un diseño ligero, un amplio espacio de trabajo y una fácil reconfiguración, lo que los hace esenciales para diversas aplicaciones espaciales y entornos extremos. Sin embargo, a pesar de sus beneficios, los CDPR enfrentan desafíos, notablemente la incertidumbre en términos de los parámetros de post-reconstrucción, lo que complica la coordinación de cables e impide la identificación de parámetros del mecanismo. Esto es especialmente notable en los CDPR con restricciones redundantes, lo que lleva a la relajación o ruptura de cables. Para abordar este desafío, este documento presenta un enfoque novedoso utilizando el aprendizaje por refuerzo para impulsar robots de cables con restricciones redundantes y parámetros inciertos. Se establecen y aplican modelos cinemáticos y dinámicos en simulaciones y experimentos prácticos, creando un entorno de entrenamiento propicio para el aprendizaje por refuerzo. Con agentes entrenados, el mecanismo se impulsa a través de 100 parámetros seleccionados al azar, resultando en una distribución direccional distinta de las trayectorias. Notablemente, la tensión de la cuerda correspondiente al 98% de los puntos de la trayectoria se encuentra dentro del rango de tensión especificado. Se llevan a cabo experimentos en un dispositivo físico impulsado por cables utilizando agentes inteligentes entrenados. Los resultados indican que la tensión de la cuerda se mantuvo dentro del rango especificado durante todo el proceso de conducción, con la plataforma final maniobrada con éxito en estrecha proximidad al punto objetivo designado. La consistencia entre los resultados de la simulación y los experimentales valida la eficacia del aprendizaje por refuerzo en la conducción de parámetros desconocidos en robots impulsados por restricciones redundantes. Además, la aplicabilidad del método se extiende a mecanismos con diversas configuraciones de restricciones redundantes, ampliando su alcance. Por lo tanto, el aprendizaje por refuerzo surge como una herramienta potente para adquirir datos de movimiento en mecanismos impulsados por cables con parámetros desconocidos y restricciones redundantes, ayudando eficazmente en el proceso de reconstrucción de tales mecanismos.