Para la planificación de rutas de agentes móviles, los algoritmos de planificación de rutas tradicionales frecuentemente inducen variaciones abruptas en la curvatura de la ruta y los ángulos de dirección, aumentando el riesgo de deslizamiento lateral de los neumáticos y socavando la seguridad operativa. Al mismo tiempo, los métodos convencionales de aprendizaje por refuerzo luchan por converger rápidamente, lo que lleva a una eficiencia insuficiente en la planificación para satisfacer la demanda de economía de energía. Este estudio propone LSTM Bézier-Double Deep Q-Network (LB-DDQN), un marco avanzado de planificación de rutas para agentes móviles basado en el aprendizaje profundo por refuerzo. La arquitectura primero permite la navegación sin mapa a través de una base DDQN, posteriormente integra redes de memoria a corto y largo plazo (LSTM) para la fusión de características ambientales y la preservación de información de entrenamiento, y finalmente mejora la calidad de la ruta mediante la eliminación de nodos redundantes a través de un análisis de la relación entre obstáculos y rutas, combinado con un suavizado de trayectorias basado en curvas de Bézier. Se construyó un entorno de simulación tridimensional impulsado por sensores con obstáculos estáticos utilizando las plataformas ROS y Gazebo, donde se entrenaron modelos de agentes móviles equipados con LiDAR para la percepción ambiental en tiempo real y la optimización de estrategias antes de su implementación en vehículos experimentales. Los resultados de la simulación y la implementación física revelan que LB-DDQN logra una evitación efectiva de colisiones, mientras demuestra mejoras notables en métricas críticas: la suavidad de la ruta, la eficiencia energética y la estabilidad del movimiento exhiben mejoras promedio que superan el 50%. El marco además mantiene estándares de seguridad superiores y eficiencia operativa en diversos escenarios.