Los esfuerzos recientes en el servicio, fabricación y eliminación de desechos en órbita han acentuado algunos de los desafíos relacionados con la manipulación espacial en proximidad cercana. Los desechos orbitales amenazan las futuras iniciativas espaciales, impulsando misiones de eliminación activa. Además, las misiones de reabastecimiento se han vuelto cada vez más viables para prolongar la vida de los satélites y mitigar la generación futura de desechos. La capacidad de capturar naves espaciales cooperativas y no cooperativas es un paso esencial para las misiones de reabastecimiento o eliminación. En la captura en proximidad cercana, la evitación de colisiones sigue siendo un desafío durante la planificación de trayectorias para manipuladores espaciales. En esta investigación, se aplica un enfoque de control de aprendizaje por refuerzo profundo a un manipulador de tres grados de libertad para capturar objetos espaciales y evitar colisiones. Este enfoque se investiga en escenarios de vuelo libre y flotación libre, donde el objeto objetivo es cooperativo o no cooperativo. Se entrena un controlador de aprendizaje por refuerzo profundo para cada escenario para alcanzar de manera efectiva una ubicación de captura objetivo en un modelo simulado de nave espacial mientras se evitan colisiones. Se evitan colisiones entre la nave espacial base y la nave espacial objetivo en las trayectorias planificadas del manipulador. El modelo entrenado se prueba para cada escenario y se detallan y discuten los resultados para el manipulador y el movimiento base.