Este documento modifica el modelo de cuerpo rígido único (SRB) y considera la pierna oscilante como las perturbaciones a la aceleración del centroide y la aceleración rotacional del modelo SRB. Este documento propone un control predictivo basado en aprendizaje por refuerzo profundo (DRL) para resistir las perturbaciones de la pierna oscilante. El DRL predice las perturbaciones de la pierna oscilante y luego el MPC proporciona las fuerzas de reacción del suelo óptimas de acuerdo con las perturbaciones predichas. Utilizamos el algoritmo de optimización de políticas proximales (PPO) entre los métodos de DRL, ya que es un algoritmo muy estable y ampliamente aplicable. Es un algoritmo en política basado en el marco actor-crítico. Los resultados de la simulación muestran que el modelo SRB mejorado y el método MPC basado en PPO pueden predecir con precisión las perturbaciones de la pierna oscilante al modelo SRB y resistir la perturbación, haciendo que la locomoción sea más robusta.