El control de maniobras de aproximación de naves espaciales normalmente utiliza métodos de control tradicionales como el Proporcional-Integral-Derivativo (PID) o el Control Predictivo de Modelos (MPC), que requieren un diseño meticuloso del sistema y carecen de robustez frente a perturbaciones desconocidas. Para abordar estas limitaciones, proponemos un algoritmo de maniobra de aproximación de naves espaciales basado en Aprendizaje por Refuerzo Profundo (DRL) asimétrico de extremo a extremo (ADSAM), que mejora significativamente la robustez de la maniobra de aproximación espacial bajo perturbaciones desconocidas a gran escala y Procesos de Decisión de Markov de Observación Parcial (POMDP). Presentamos un entorno de simulación numérica con el modelo lineal de Clohessy-Wiltshire (CW), incorporando el método de Runge-Kutta de 4º orden (RK4) para asegurar una transición de estado más precisa y eficiente. Los resultados experimentales también demuestran que la efectividad del algoritmo propuesto supera a los métodos más avanzados.