En este trabajo, proponemos un novedoso método de aprendizaje profundo por refuerzo (DRL) para la planificación óptima de trayectorias para robots móviles utilizando la recolección de datos basada en programación dinámica (DP). El método propuesto puede superar el lento proceso de aprendizaje y mejorar la calidad de los datos de entrenamiento de manera inherente en los algoritmos de DRL.