Durante el uso de UAVs de multirotor para el transporte de cargas suspendidas, se necesita estabilidad a lo largo de la trayectoria deseada, además de evitar cualquier oscilación excesiva de la carga y un buen nivel de precisión en el mantenimiento de la trayectoria deseada del vehículo. Sin embargo, debido a la naturaleza no lineal y subactuada del sistema, además de la presencia de incertidumbres desiguales, el desarrollo de un sistema de control para esta aplicación plantea un problema de investigación interesante. Este documento propone una arquitectura de control para un sistema de carga suspendida de multirotor mediante la integración de un Control de Modo Deslizante de Múltiples Superficies, ayudado por una Red Neuronal de Función de Base Radial, con un agente de Aprendizaje por Refuerzo de Red Q Profunda. El primero se utilizará para garantizar la estabilidad asintótica del seguimiento, mientras que el último se utilizará para suprimir las oscilaciones de la carga. Primero, presentaremos la dinámica de un sistema de carga suspendida de multirotor, representado aquí como un cuadricóptero con una carga de péndulo única suspendida de él. Luego propondremos un método de control en el que un controlador de modo deslizante de múltiples superficies, basado en una Red Neuronal RBF adaptativa para el seguimiento de trayectorias del cuadricóptero, trabaja en conjunto con un agente de Aprendizaje por Refuerzo de Red Q Profunda cuya función de recompensa tiene como objetivo suprimir las oscilaciones de la carga de péndulo única. Los resultados de la simulación demuestran la efectividad y el potencial del enfoque propuesto para lograr un control preciso y confiable de los sistemas de carga suspendida de multirotor.