El creciente interés en la Inteligencia Artificial está permeando varios dominios de la tecnología y la investigación en robótica. Solo recientemente la comunidad espacial ha comenzado a investigar métodos de aprendizaje profundo y redes neuronales artificiales para sistemas espaciales. Este documento tiene como objetivo introducir las características más relevantes de estos temas para el control, la guía y la navegación de naves espaciales. Se examinan las arquitecturas de redes neuronales artificiales más comunes y los métodos de entrenamiento asociados, tratando de resaltar las ventajas y desventajas de su empleo para problemas específicos. En particular, se revisan y comparan las aplicaciones de redes neuronales artificiales en la identificación de sistemas, la síntesis de control y la navegación óptica utilizando métricas cuantitativas y cualitativas. Esta visión general presenta los marcos de aprendizaje profundo de extremo a extremo para la guía, navegación y control de naves espaciales junto con los métodos híbridos en los que las técnicas neuronales se acoplan con algoritmos tradicionales para mejorar sus niveles de rendimiento.