Este documento investiga el problema del control del momento angular y la planificación para sistemas de control de actitud de naves espaciales rígidas utilizando arreglos de giroscopios de momento de control (CMG) mediante aprendizaje por refuerzo profundo (DRL). Específicamente, se propone una estrategia de control del momento angular basada en DRL para sistemas de control de actitud de naves espaciales que emplean múltiples CMGs como actuadores. Se utiliza el algoritmo de gradiente de política determinista profundo con retraso doble (TD3) para realizar el aprendizaje en línea y las actualizaciones de políticas basadas en la retroalimentación ambiental. Este enfoque elimina la necesidad de modelos matemáticos precisos y ajuste iterativo de parámetros. Esto permite que el sistema CMG realice planificación del momento angular y facilita maniobras y control de actitud de naves espaciales rápidas y de alta precisión a través del intercambio de momento angular. Se realizaron simulaciones para analizar las maniobras de actitud de la nave espacial y la estabilización en diversos escenarios, centrándose en el proceso de control del momento angular de un arreglo de CMG de gimbal único piramidal (SGCMG). Los resultados demuestran que el método propuesto logra de manera efectiva maniobras de actitud de gran ángulo y mantenimiento estable de la actitud, tanto en condiciones ideales como en presencia de perturbaciones no lineales. Durante maniobras de gran ángulo, la estimación de la actitud de la nave espacial utilizando MRPs converge en menos de 1 minuto, y la precisión de convergencia durante el mantenimiento de la actitud alcanza el orden de 10. Además, el enfoque aprovecha completamente las características de salida del sistema CMG y logra un rendimiento y precisión robustos, incluso en condiciones con ruido y perturbaciones significativas.