Debido a las diferencias entre las simulaciones y el mundo real, la aplicación del aprendizaje por refuerzo (RL) en el control de drones enfrenta problemas como oscilaciones e inestabilidad. Este estudio propone una estrategia de control para drones cuadricópteros utilizando un modelo de referencia (RM) basado en RL profundo. A diferencia de los estudios convencionales asociados con el control óptimo y adaptativo, este método utiliza una red neuronal profunda para diseñar un controlador de vuelo para drones cuadricópteros, que puede mapear los estados del dron y los valores objetivo a comandos de control directamente. El método se desarrolló basado en un algoritmo de gradiente de política determinista profunda (DDPG) combinado con la red neuronal profunda. El RM se utilizó además para la estructura actor-crítico para mejorar la robustez y la estabilidad dinámica. La estrategia de control de vuelo basada en RM-DDPG se confirmó como práctica a través de un experimento de dos partes. Primero, se construyó un modelo de dron cuadricóptero basado en un dron real, y se entrenó la política fuera de línea en él. El rendimiento de la política se evaluó a través de simulaciones mientras se confirmaba la transición de los estados del sistema y la salida del controlador. La estrategia propuesta puede eliminar oscilaciones y errores de estado estacionario y puede lograr resultados robustos para el valor objetivo y la interferencia externa.