Se investigó el control de un cargador subterráneo mediante aprendizaje por refuerzo en un entorno simulado utilizando un enfoque de red neuronal profunda multiagente. Al inicio de cada ciclo de carga, un agente selecciona la posición de excavación a partir de una imagen de cámara de profundidad de un montón de roca fragmentada. Un segundo agente es responsable del control continuo del vehículo, con el objetivo de llenar el cubo en el punto de carga seleccionado mientras evita colisiones, quedarse atascado o perder tracción en el suelo. Esto se basa en sensores de movimiento y fuerza, así como en una cámara y lidar. Utilizando un algoritmo de actor-crítico suave, los agentes aprenden políticas para un llenado eficiente del cubo a lo largo de muchos ciclos de carga subsiguientes, con una clara capacidad de adaptarse al entorno cambiante. Los mejores resultados, en promedio, el 75% de la capacidad máxima, se obtuvieron al incluir una penalización por el uso de energía en la recompensa.