En la estratosfera, el uso de vientos para navegar globos ha surgido como un enfoque práctico para la observación de la Tierra, la recolección de datos meteorológicos y otras aplicaciones. Sin embargo, controlar tales globos es un desafío debido a datos de viento imperfectos y la necesidad de decisiones en tiempo real. La investigación en este campo se concentra predominantemente en misiones de mantenimiento de estación, pero hay una ausencia de estudios sobre la planificación de rutas de globos estratosféricos. En este trabajo, empleamos el aprendizaje profundo por refuerzo para entrenar un controlador que guía el globo desde un punto de inicio aleatorio a un rango objetivo dentro de un campo de viento simulado que cambia con el tiempo y el espacio. Los resultados demuestran la viabilidad de utilizar el aprendizaje por refuerzo para la planificación de rutas de globos superpresurizados en campos de viento complejos y dinámicos, y el controlador de RL supera al controlador de referencia hecho a mano, logrando una navegación más rápida con una tasa de éxito más alta.