Con el rápido desarrollo de la Inteligencia Artificial, los Vehículos Aéreos No Tripulados habilitados por IA han atraído una atención extensa, ya que ofrecen una solución accesible y rentable para ejecutar tareas en entornos desconocidos o complejos. Sin embargo, desarrollar algoritmos basados en IA que sean seguros y efectivos, y que permitan a los agentes aprender, adaptarse y tomar decisiones precisas en situaciones dinámicas, sigue siendo un área de estudio intrigante. Este documento propone un marco de control inteligente híbrido que integra un método mejorado de Soft Actor-Critic con un sistema de inferencia difusa, incorporando la experiencia de expertos predefinida para agilizar el proceso de aprendizaje. Además, se desarrollan varios algoritmos y enfoques prácticos dentro de este sistema de control. Con la sinergia de estas innovaciones, el método propuesto logra una planificación de ruta efectiva en tiempo real en entornos impredecibles bajo un entorno sin modelo. Crucialmente, aborda dos desafíos significativos en el aprendizaje por refuerzo: problemas de entornos dinámicos y problemas de múltiples objetivos. Se diseñaron y simularon diversos escenarios que incorporan la dinámica real de los UAV para validar el rendimiento en el seguimiento de múltiples aeronaves intrusas móviles. Se realiza un análisis exhaustivo y una comparación de métodos que dependen únicamente del aprendizaje por refuerzo y otros factores influyentes, así como una evaluación de viabilidad del controlador para pruebas de vuelo en el mundo real, destacando las ventajas de la arquitectura híbrida propuesta. En general, esta investigación avanza en el desarrollo de enfoques impulsados por IA para la navegación autónoma segura de UAV en condiciones de espacio aéreo exigentes y proporciona una solución de control basada en el aprendizaje viable para diferentes tipos de robots.